ModelScope中,请教PAI-DSW中实例退出后如何让文件继续保持?现在是退出后就清零了。再打开实例进去就没有了

本文涉及的产品
文件存储 NAS,50GB 3个月
简介: ModelScope中,请教PAI-DSW中实例退出后如何让文件继续保持?现在是退出后就清零了。再打开实例进去就没有了

PAI-DSW 实例在停止后,会清理掉实例中的临时文件和运行中的任务,因此您的文件会被清除。为了防止文件丢失,您可以将文件上传至 NAS(Network Attached Storage),这是一种基于阿里云 OSS(Object Storage Service)的服务,可以在 PAI-DSW 实例之间共享文件。
要将文件上传至 NAS,请执行以下步骤:

  1. 创建 NAS 文件夹:在 NAS 控制台中创建一个新的 NAS 文件夹,用于存放您的文件。
  2. 挂载 NAS 文件夹:在 PAI-DSW 实例中,通过 SSH 连接到您的实例并使用 mount 命令将 NAS 文件夹挂载到本地文件系统中。例如:

    bash

    mount -t nfs nas.dsw:/$NAS_BUCKET_NAME /mnt/nas-bucket

  3. 将文件复制到 NAS 文件夹中:在 PAI-DSW 中,将您的文件复制到挂载后的 NAS 文件夹中。

  4. 重新启动 PAI-DSW 实例:重新启动 PAI-DSW 实例,然后再次挂载 NAS 文件夹。

这样,即使 PAI-DSW 实例重启或关闭,您的文件也不会丢失,因为它们已经被保存在 NAS 上。如有任何其他问题,请随时联系我们。

相关实践学习
基于ECS和NAS搭建个人网盘
本场景主要介绍如何基于ECS和NAS快速搭建个人网盘。
阿里云文件存储 NAS 使用教程
阿里云文件存储(Network Attached Storage,简称NAS)是面向阿里云ECS实例、HPC和Docker的文件存储服务,提供标准的文件访问协议,用户无需对现有应用做任何修改,即可使用具备无限容量及性能扩展、单一命名空间、多共享、高可靠和高可用等特性的分布式文件系统。 产品详情:https://www.aliyun.com/product/nas
目录
相关文章
|
7月前
|
人工智能
一键生成视频!用 PAI-EAS 部署 AI 视频生成模型 SVD 工作流(清晰的实例)
用 PAI-EAS 部署 AI 视频生成模型 SVD 工作流(清晰的实例)
248 2
|
7月前
|
文字识别 并行计算 语音技术
ModelScope问题之下载模型文件报错如何解决
ModelScope模型报错是指在使用ModelScope平台进行模型训练或部署时遇到的错误和问题;本合集将收集ModelScope模型报错的常见情况和排查方法,帮助用户快速定位问题并采取有效措施。
951 3
|
7月前
|
数据采集 机器学习/深度学习 算法
ModelScope问题之恢复模型训练如何解决
ModelScope训练是指在ModelScope平台上对机器学习模型进行训练的活动;本合集将介绍ModelScope训练流程、模型优化技巧和训练过程中的常见问题解决方法。
110 0
|
4月前
|
机器学习/深度学习 存储 Linux
【机器学习 Azure Machine Learning】使用VS Code登录到Linux VM上 (Remote-SSH), 及可直接通过VS Code编辑VM中的文件
【机器学习 Azure Machine Learning】使用VS Code登录到Linux VM上 (Remote-SSH), 及可直接通过VS Code编辑VM中的文件
|
6月前
|
机器学习/深度学习 人工智能 数据处理
人工智能平台PAI产品使用合集之PAI-DSW实例服务器ping不通google.com,该如何排查
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
6月前
|
机器学习/深度学习 人工智能 对象存储
人工智能平台PAI产品使用合集之大文件如何下载下来
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
6月前
|
机器学习/深度学习 算法 Python
【机器学习】集成学习在信用评分领域实例
【机器学习】集成学习在信用评分领域实例
142 1
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
【机器学习】贝叶斯算法在机器学习中的应用与实例分析
【机器学习】贝叶斯算法在机器学习中的应用与实例分析
573 1
|
6月前
|
人工智能 网络架构 异构计算
以LLaMa 65B模型训练实例来计算AI/HPC算力光模块数量
本文介绍了如何根据LLaMa 65B模型训练需求计算所需的AI/HPC光模块数量。在案例中,使用2048个A100 GPU,单GPU算力为156 TFLOPS。模型算力需求为546*10^21 FLOPS,预计训练时间为20天。采用两层Fat-Tree网络架构,需1024个400G网卡,48台交换机,若全用400G光模块则需4096个,交换机间2048个,网卡间1024个。大成鹏通信提供200G至800G的解决方案,并提供咨询与支持服务。
127 0
以LLaMa 65B模型训练实例来计算AI/HPC算力光模块数量
|
6月前
|
机器学习/深度学习 安全 算法
【机器学习】信息安全实例
【机器学习】信息安全实例
74 0