一、service-yaml文件详解apiVersion:v1kind:Servicematadata:#元数据name:string#service的名称namespace:string#命名空间labels:#自定义标签属性列表-name:stringannotations:#自定义注解属性列表-name:stringspec:#详细描述selector:[]#labelselector配置，将选择具有label标签的Pod作为管理#范围type:string#service的类型，指定service的访问方式，默认为#clusterIpclusterIP:string#虚拟服务地址ses
一、service-yaml文件详解apiVersion:v1kind:Servicematadata:#元数据name:string#service的名称namespace:string#命名空间labels:#自定义标签属性列表-name:stringannotations:#自定义注解属性列表-name:stringspec:#详细描述selector:[]#labelselector配置，将选择具有label标签的Pod作为管理#范围type:string#service的类型，指定service的访问方式，默认为#clusterIpclusterIP:string#虚拟服务地址ses
一、Pod-yaml文件详解1apiVersion:v1#必选，版本号，例如v12kind:Pod#必选，Pod3metadata:#必选，元数据4name:string#必选，Pod名称5namespace:string#必选，Pod所属的命名空间6labels:#自定义标签7-name:string#自定义标签名字8annotations:#自定义注释列表9-name:string10spec:#必选，Pod中容器的详细定义11containers:#必选，Pod中容器列表12-name:string#必选，容器名称13image:string#必选，容器的镜像名称14imagePullP
一、Pod-yaml文件详解1apiVersion:v1#必选，版本号，例如v12kind:Pod#必选，Pod3metadata:#必选，元数据4name:string#必选，Pod名称5namespace:string#必选，Pod所属的命名空间6labels:#自定义标签7-name:string#自定义标签名字8annotations:#自定义注释列表9-name:string10spec:#必选，Pod中容器的详细定义11containers:#必选，Pod中容器列表12-name:string#必选，容器名称13image:string#必选，容器的镜像名称14imagePullP
一、deployment.yaml文件详解1apiVersion:extensions/v1beta1#接口版本2kind:Deployment#接口类型3metadata:4name:cango-demo#Deployment名称5namespace:cango-prd#命名空间6labels:7app:cango-demo#标签8spec:9replicas:310strategy:11rollingUpdate:##由于replicas为3,则整个升级,pod个数在2-4个之间12maxSurge:1#滚动升级时会先启动1个pod13maxUnavailable:1#滚动升级时允许的最大
一、deployment.yaml文件详解1apiVersion:extensions/v1beta1#接口版本2kind:Deployment#接口类型3metadata:4name:cango-demo#Deployment名称5namespace:cango-prd#命名空间6labels:7app:cango-demo#标签8spec:9replicas:310strategy:11rollingUpdate:##由于replicas为3,则整个升级,pod个数在2-4个之间12maxSurge:1#滚动升级时会先启动1个pod13maxUnavailable:1#滚动升级时允许的最大
1、yaml文件准备common:secretid:AKIDxxxxxsecretKey:3xgGxxxxegion:ap-guangzhouzone:ap-guangzhou-7InstanceChargeType:POSTPAID_BY_HOUR2、config配置类准备可以通过在线配置工具转换成struct例如：https://www.printlove.cn/tools/yaml2go代码：typeConfigDatastruct{//公共配置CommonCommon`yaml:"common"`}typeCommonstruct{//密钥id。密钥可前往官网控制台https://co
1、yaml文件准备common:secretid:AKIDxxxxxsecretKey:3xgGxxxxegion:ap-guangzhouzone:ap-guangzhou-7InstanceChargeType:POSTPAID_BY_HOUR2、config配置类准备可以通过在线配置工具转换成struct例如：https://www.printlove.cn/tools/yaml2go代码：typeConfigDatastruct{//公共配置CommonCommon`yaml:"common"`}typeCommonstruct{//密钥id。密钥可前往官网控制台https://co
发现报错:RuntimeError:NCCLerrorin:/pytorch/torch/lib/c10d/ProcessGroupNCCL.cpp:784,unhandledsystemerror编辑想在linux上跑跑mmclassification中的resnet网络，但是报错，查阅资料后发现，第二个错误是由于第一个错误产生的。那么现在就要解决第一个报错。第一个报错查阅了一堆资料后，发现是GPU使用数量的原因，但我电脑只有一个GPU，修改了配置文件后，依旧这样报错。有的博主是由于文件中有中文字符，我仔细检查后没有发现。最后才发现，之前用的训练命令如下：sh./tools/dist_
发现报错:RuntimeError:NCCLerrorin:/pytorch/torch/lib/c10d/ProcessGroupNCCL.cpp:784,unhandledsystemerror编辑想在linux上跑跑mmclassification中的resnet网络，但是报错，查阅资料后发现，第二个错误是由于第一个错误产生的。那么现在就要解决第一个报错。第一个报错查阅了一堆资料后，发现是GPU使用数量的原因，但我电脑只有一个GPU，修改了配置文件后，依旧这样报错。有的博主是由于文件中有中文字符，我仔细检查后没有发现。最后才发现，之前用的训练命令如下：sh./tools/dist_
