问题现象

使用自定义镜像训练作业时，训练失败。

定位思路

确定镜像来源

a. 确认该自定义镜像的基础镜像是否来源于ModelArts提供的基础镜像，推荐用户使用ModelArts的基础镜像构建自定义镜像，具体请参见使用ModelArts的基础镜像构建新的训练镜像。

b. 确认该镜像是否是新版训练的基础镜像，原旧版训练的镜像无法直接在新版训练上使用。

c. 如镜像来源于第三方，设法找到自定义镜像的制作者咨询，制作者一般对镜像如何使用更加了解。

确定自定义镜像大小

推荐自定义镜像小于30GB，过大的镜像会导致作业创建过慢或者创建失败。

确定错误类型

提示找不到文件等错误，请参见训练作业日志中提示“No such file or directory”。
提示找不到包等错误，请参见训练作业日志中提示“No module named .*”。
Ascend启动脚本和初始化脚本问题。

确认相关脚本是否来源于官方文档并且是否严格按照官方文档使用。比如确认脚本名称是否正常、脚本路径是否正常。具体请参见示例：从 0 到 1 制作自定义镜像并用于训练（MindSpore+Ascend）。

驱动版本与底层驱动不兼容

当对自定义镜像的驱动进行升级时，请确定底层驱动是否兼容。当前支持哪种驱动版本，请从训练基础镜像列表中获取。

文件权限不足

该问题可能为自定义镜像的用户与作业容器的用户不同导致的。请修改dockerfile文件：

RUN if id -u ma-user > /dev/null 2>&1 ; \
then echo 'MA 用户已存在' ; \
else echo 'MA 用户不存在' && \
groupadd ma-group -g 1000 && \
useradd -d /home/ma-user -m -u 1000 -g 1000 -s /bin/bash ma-user ; fi && \
chmod 770 /home/ma-user && \
chmod 770 /root && \
usermod -a -G root ma-user

其他现象，可以在已有的训练故障案例查找。

建议与总结

用户使用自定义镜像训练作业时，建议按照训练作业自定义镜像规范制作镜像。文档中同时提供了端到端的示例供用户参考。

父主题： 使用自定义镜像训练模型（新版训练）

同意关联代理商云淘科技，购买华为云产品更优惠（QQ 78315851）

内容没看懂？ 不太想学习？想快速解决？ 有偿解决： 联系专家