欢迎关注我的CSDN：https://spike.blog.csdn.net/
本文地址：https://blog.csdn.net/caroline_wendy/article/details/136499768

PyTorchJob 是 Kubernetes 中的自定义资源，用于在 Kubernetes 上运行 PyTorch 训练任务，这是 Kubeflow 组件的一部分，具有稳定的状态，PyTorchJob 允许像管理 Kubernetes 中的其他内置资源一样创建和管理 PyTorch 作业。要使用 PyTorchJob，需要先安装 PyTorch Operator。默认情况下，PyTorch Operator 会作为控制器部署在 training operator 中。

YAML 配置如下，其中：

• kind 是 PyTorchJob
• metadata/name，运行的 Job 名称，不要重名
• 节点使用 Worker，replicas 重复的节点数量，resources 配置 GPU 数量，即支持2机1卡，或1机2卡
• command 是运行命令

源码：

apiVersion: "kubeflow.org/v1"
kind: PyTorchJob
metadata:name: pytorch-simple-001
spec:pytorchReplicaSpecs:Worker:replicas: 1template:metadata:annotations:sidecar.istio.io/inject: "false"labels:file-mount: "true"user-mount: "true"spec:
#          hostNetwork: false  # Newcontainers:-