EPL（Easy Parallel Library）是高效易用的分布式模型訓練架構，深度整合多種訓練最佳化技術，提供了簡單易用的API實現各種並行化策略。您可以使用EPL實現低成本、高效能分布式模型訓練。本文為您介紹如何在DLC中使用EPL高效地進行分布式TensorFlow訓練。
前提條件
在開始執行操作之前，請確認您已經完成以下準備工作：
已為DLC服務關聯角色授權，詳情請參見雲產品依賴與授權：DLC。
已安裝鏡像環境：官方鏡像或社區鏡像（NVIDIA TensorFlow 1.15或TensorFlow-GPU 1.15）。
如果您使用的是官方鏡像（官方鏡像（由PAI團隊提供最佳化的鏡像），可以直接使用EPL，無需安裝。
如果您使用的是社區鏡像（社區鏡像（由社區提供的標準鏡像）），則需要先安裝EPL才能使用。關於如何安裝EPL，詳情請參見安裝EPL。
說明如果您使用的是DLC平台，建議鏡像選擇社區鏡像：
tensorflow-training:1.15-gpu-py36-cu100-ubuntu18.04。您可以在DLC中提交執行命令安裝EPL，無需單獨安裝。
步驟一：代碼配置
您可以使用EPL編寫TensorFlow分布式訓練代碼，詳情請參見快速開始。
您也可以使用EPL程式碼範例快速開始分布式TensorFlow訓練，本方案使用ResNet-50訓練資料配置代碼集，您可以使用該代碼集提交TensorFlow訓練任務，且每次進行模型訓練時會自動複製最新的版本，關於如何配置代碼集，具體操作步驟如下所示。
步驟二：啟動訓練任務
進入建立任務頁面。
登入PAI控制台，在頁面上方選擇目標地區，並在右側選擇目標工作空間，然後單擊進入DLC。
在分布式訓練（DLC）頁面，單擊建立任務。
在建立任務頁面，配置以下關鍵參數，其他參數配置詳情，請參見建立訓練任務。然後單擊確定。
在基本資料地區，自訂任務名稱。
在環境資訊地區，配置以下參數。
參數
使用樣本值
節點鏡像
選擇官方鏡像>tensorflow-training:1.15-gpu-py36-cu100-ubuntu18.04。
啟動命令
apt update apt install libnccl2 libnccl-dev cd /root/code/EasyParallelLibrary/ pip install . cd examples/resnet bash scripts/train_dp.sh代碼配置
在線上配置下拉選項中選擇在步驟一中配置的代碼集，並配置分支為main。
在資源資訊地區，配置以下參數。
參數
使用樣本值
資源來源
選擇公用資源。
架構
選擇TensorFlow。
任務資源
在Worker節點配置以下參數：
節點數量：配置為2，您也可以根據實際訓練需求配置該參數。
資源規格：選擇GPU規格ecs.gn6v-c8g1.2xlarge。
最長運行時間長度
配置為2小時。
任務資源配置參數配置如下所示。
參數
使用樣本值
節點數量
配置為2。您可以根據實際訓練需求配置該參數。
節點配置
在GPU執行個體頁簽選擇ecs.gn6v-c8g1.2xlarge。
最長運行時間長度
2小時。
在分布式訓練工作清單中，單擊目標任務名稱，進入任務詳情頁面。在該頁面中查看該任務的執行情況。具體操作，請參見查看訓練詳情。
相關文檔
如果您想瞭解關於EPL的更多內容，請參見EPL。
更多關於DLC產品的內容介紹，請參見分布式訓練（DLC）。