For AI agents: the complete documentation index is available at https://docs.ovhcloud.com/fr/llms.txt, the full documentation bundle is available at https://docs.ovhcloud.com/fr/llms-full.txt, and this page is available as Markdown at https://docs.ovhcloud.com/fr/guides/public-cloud/ai-machine-learning/ai-training-submit-job.md.
Aller au contenu
Apparence
Console(la Console OVHcloud, ouvre un nouvel onglet)

AI Training - Premiers pas

Voir en Markdown

Découvrez comment lancer un job AI Training depuis la console OVHcloud (UI)

Objectif

Ce guide couvre l'initialisation d'AI Training et la soumission de jobs via la console OVHcloud.

Prérequis

  • un projet Public Cloud
  • optionnellement des conteneurs d'objets pour attacher des données au job à l'étape 8, voir notre guide créer un conteneur de données.

Accès à la console OVHcloud

  • Lien direct :
  • Pour accéder à vos services : Public Cloud > Sélectionnez votre projet > AI > AI Training

En pratique

Étape 1 - Accéder au menu AI Training

Dans le menu de gauche de votre projet Public Cloud, cliquez sur AI Training sous AI.

Étape 2 - Démarrer la soumission d'un job

Si le projet n'a pas encore été autorisé pour les services IA, cliquez sur Autoriser le projet dans le bandeau Autorisez ce projet pour les services IA. En autorisant le projet, vous accordez à OVHcloud l'accès à vos conteneurs Object Storage. Cet accès sert uniquement à synchroniser vos données au sein d'AI Training avec vos conteneurs.

Depuis la liste des jobs, vous pouvez démarrer la soumission du job en cliquant sur le bouton Créer un job. La page Créer un job s'ouvre : un récapitulatif de votre configuration et son prix estimé par heure s'affichent sur la droite.

Étape 3 - Nommer votre job et sélectionner une région

Donnez un nom à votre job dans la section Nom. Cela facilitera sa gestion lorsque plusieurs jobs seront en cours d'exécution.

Chaque job est exécuté dans une région OVHcloud. Chaque région dispose de son propre cluster AI Training, aux capacités potentiellement différentes. Pour plus d'informations, consultez les capacités.

Sélectionnez la région souhaitée dans la section Région.

Étape 4 - Spécifier la quantité de ressources

Dans la section Flavor, sélectionnez la flavor CPU ou GPU dont vous avez besoin pour votre charge d'entraînement, puis ajustez la Quantité.

La quantité maximale de GPU ou de CPU que vous pouvez sélectionner pour votre job dépend de la région. Si vous choisissez un GPU, un ratio fixe de CPU est appliqué en fonction du nombre de GPU. De même, un ratio fixe de mémoire est appliqué en fonction du nombre de CPU. Pour plus d'informations, consultez les capacités.

Une fois la quantité de ressources définie, vous pouvez voir un aperçu du tarif dans le récapitulatif.

Étape 5 - Fournir une image Docker

Un job est essentiellement un conteneur Docker exécuté au sein de l'infrastructure OVHcloud. Vous devez fournir l'image Docker à exécuter dans la section Image Docker. Plusieurs options s'offrent à vous :

Images préconfigurées

Avec Catalogue d'image prêtes à l'emploi, OVHcloud fournit un ensemble d'images parmi lesquelles vous pouvez choisir pour faciliter la soumission de vos premiers jobs. Les images fournies sont essentiellement un environnement JupyterLab intégrant une technologie de Deep Learning telle que Tensorflow ou MXNet. Ces images sont appelées à être supprimées, le produit étant davantage axé sur l'utilisation d'images personnalisées.

Images personnalisées

Les images préconfigurées ne peuvent pas couvrir tous vos besoins : vous pouvez donc spécifier votre propre image si nécessaire avec Image personnalisée. Vous pouvez utiliser n'importe quelle image accessible depuis AI Training.

Cela inclut les images publiques (par exemple Dockerhub), les images du registre partagé ou celles de votre registre privé ajouté. Pour plus d'informations, consultez comment ajouter un registre privé.

Étape 6 - Paramètres de confidentialité

Sélectionnez ensuite vos paramètres de confidentialité dans la section Confidentialité : Privé (l'accès requiert un jeton) ou Public (accès sans jeton).

Warning

L'accès public exposera vos données et votre code à toute personne disposant du lien du job AI Training. Soyez prudent et ne l'utilisez pas avec des données sensibles. À l'inverse, l'accès privé demandera une combinaison utilisateur/mot de passe ou un token AI pour accéder au contenu du job, garantissant un environnement sécurisé.

Étape 7 - Cycle de vie du job

Warning

Notre principale motivation est de maintenir la plateforme à jour en matière de correctifs de sécurité et d'alignement des nouvelles fonctionnalités : nous devons donc mettre à jour et redémarrer les hôtes de temps en temps, ce qui nécessite de les libérer de toute charge de travail client. Cela nous permet également de traiter les incidents localisés sur un hôte, par exemple lorsqu'un seul GPU tombe en panne à cause d'un matériel défectueux (un seul client impacté, mais nous devons tout de même arrêter l'hôte pour l'envoyer en maintenance PCI, donc toute charge de travail restante doit être évacuée ou replanifiée ailleurs).

Par défaut, votre job s'arrêtera automatiquement après 7 jours consécutifs au statut RUNNING (section Expiration). Soyez assuré que tous vos paramètres et vos données seront conservés. Vous pouvez activer Redémarrer automatiquement après expiration, qui redémarrera automatiquement votre job tous les 7 jours, limitant ainsi l'impact sur votre travail. Vous pouvez également contacter notre support pour étendre cette période de redémarrage automatique.

Étape 8 - Configuration avancée

Cette étape est optionnelle.

Dans la section Configuration avancée, activez l'interrupteur de chaque option dont vous avez besoin.

Tout d'abord, l'image Docker fournie à l'étape 5 comprend un point d'entrée pour votre conteneur. Vous pouvez remplacer ce point d'entrée en spécifiant votre propre commande (Commandes).

Ensuite, par défaut, votre job AI Training dispose d'un stockage éphémère (stockage local). Mais dans cette étape, vous pouvez également associer des conteneurs Object Storage (Volumes) et des dépôts Git (Git Public) à votre job, soit comme entrée pour votre charge d'entraînement, soit comme sortie pour vos résultats (par exemple les poids du modèle).

Si vous souhaitez en savoir plus sur la configuration des conteneurs et des dépôts Git dans le job, vous pouvez vous référer à cet exemple d'entraînement de modèle. Pour le moment, nous allons lancer un job classique sans y ajouter de volume externe.

Vous pouvez également ajouter des Labels à votre job.

Enfin, la Clé SSH vous permet d'accéder à votre job à distance.

Étape 9 - Soumettre votre job

Avant la soumission, vérifiez l'aperçu du job configuré dans le récapitulatif. Cliquez sur Équivalent CLI pour obtenir la commande équivalente à utiliser avec la CLI ovhai.

Cliquez sur Créer le job pour confirmer et lancer la création de votre job sur le cluster.

Une fois créé, votre job apparaît dans la liste de vos jobs AI Training.

Étape 10 - Consulter votre job

Depuis cette liste, vous pouvez accéder aux détails de votre job en cliquant sur son nom. L'onglet Vue d’ensemble comprend plusieurs éléments, comme les ressources du job, son statut, son cycle de vie et son URL d'accès (carte Détails de connexion). Cette URL est de la forme https://<JOB-ID>.job.<REGION>.ai.cloud.ovh.net/. De plus, vous pouvez accéder à n'importe quel port disponible en l'ajoutant à l'URL du job de cette manière : https://<JOB-ID>-<PORT>.job.<REGION>.ai.cloud.ovh.net/.

Vous pouvez également consulter les logs de votre job dans l'onglet Observabilité.

Étape 11 - Arrêter votre job

Si vous avez fini d'utiliser votre job, si votre modèle a convergé prématurément ou si vous souhaitez simplement interrompre votre job, vous pouvez le faire depuis la liste des jobs et la page du job.

Depuis la liste des jobs, cliquez sur le bouton ... à l'extrémité droite de l'entrée et interrompez le job en cliquant sur Arrêter. Vous pouvez aussi, depuis l'onglet Vue d’ensemble du job, cliquer sur Arrêter dans la carte Informations générales. Confirmez avec Arrêter : l'exécution est interrompue et ne peut pas être reprise.

Ensuite, si vous n'avez plus besoin de votre job, vous pouvez le supprimer. Pour cela, cliquez sur le bouton ... de la ligne du job, puis sélectionnez Supprimer (ou cliquez sur Supprimer le job dans la carte Informations générales) et confirmez.

Étape 12 - Cloner votre job

Vous pouvez également cliquer sur Cloner le job (depuis le bouton ... de la liste des jobs ou depuis la carte Informations générales) pour cloner le job avec la même configuration. Cela lancera un nouveau job identique à l'original (par exemple example-job), vous permettant de relancer votre workflow sans reconfigurer le job.

Aller plus loin

Le service AI Training est principalement destiné à être utilisé via la CLI ovhai. La console OVHcloud n'offre qu'un sous-ensemble des fonctionnalités et est conçue pour vous aider à démarrer avant d'utiliser la CLI. Découvrez comment installer l'OVHcloud AI CLI.

Pour une formation ou une assistance technique sur la mise en œuvre de nos solutions, contactez votre commercial ou consultez la page Professional Services pour obtenir un devis et faire analyser votre projet par nos experts.

Votre avis nous intéresse !

N’hésitez pas à nous faire part de vos questions, retours et suggestions pour améliorer le service :

Cette page vous a-t-elle aidé ?