remote-gpu-trainer 是做什么的？
使用自动化代理技能，在租用的GPU云提供商、裸金属服务器和Kubernetes集群上部署并管理AI训练任务。
概述
该技能允许用户通过简单的指令在远程GPU资源上启动、监控和终止训练作业。支持多种平台和配置，并自动处理资源分配、依赖安装和错误恢复。
支持平台
- GPU云提供商：AWS EC2 GPU实例、GCP GPU VM、Azure NC/NP系列
- 裸金属服务器：支持私有裸金属服务器上的Docker或Podman
- Kubernetes集群：通过kubectl与任何标准Kubernetes集群交互
使用方法
- 定义训练作业：提供训练脚本路径、所需GPU数量和其他参数。
- 选择目标环境：指定云提供商、裸金属服务器或Kubernetes上下文。
- 执行部署：代理自动配置资源、上传代码、运行训练并收集结果。
- 监控与调整：通过日志和指标实时跟踪训练进度。
配置
训练作业配置通过JSON或YAML文件定义，支持以下字段：
name: my-training-job
gpu_count: 4
gpu_type: A100
environment: kubernetes
script: train.py
dependencies:
- requirements.txt
示例命令
# 在Kubernetes上启动训练
remote-gpu-trainer run --config job.yaml
# 列出所有活动作业
remote-gpu-trainer list
# 终止作业
remote-gpu-trainer stop <job-id>
注意事项
- 确保目标环境已正确配置必要的凭据（如云API密钥或Kubeconfig）。
- 训练脚本应支持环境变量注入（例如用于超参数调整）。
- 作业完成后，结果会自动保存到指定的输出目录。
故障排除
- 连接失败：检查网络防火墙和凭据有效性。
- GPU不可用：确认所选实例类型具有所需GPU且未被占用。
- 依赖安装错误：确保requirements.txt中指定了正确的包版本。
贡献
欢迎通过提交问题或拉取请求来改进此技能。
许可证
MIT