Примеры

Fine-Tune LLM с Ray и DeepSpeed на OpenShift AI Стабильная диффузия с DreamBooth и Ray Train Оптимизация гиперпараметров с помощью Ray Tune на OpenShift AI

##Интеграционные тесты

Предпосылки

Доступ администратора к кластеру OpenShift (CRC в порядке)

Установка OpenDataHub или RHOAI, включающая все компоненты распределенной рабочей нагрузки

Установка Go 1.21

###Общие переменные среды

• TEST_OUTPUT_DIR - Каталог результатов для журналов испытаний
• TEST_TIMEOUT_SHORT - Продолжительность тайм-аута для коротких заданий TEST_TIMEOUT_MEDIUM - Продолжительность тайм-аута для средних задач
• TEST_TIMEOUT_LONG - Продолжительность тайм-аута для длинных задач TEST_RAY_IMAGE (необязательно) - Изображение луча, используемое для конфигурации лучистого скопления MINIO_CLI_IMAGE (необязательно) - Минио CLI изображение, используемое для загрузки / выгрузки данных из / в корзину s3
• TEST_TIER (необязательно) — определяет тестовый уровень для запуска, пропуская тесты, которые не относятся к указанному тестовому уровню. Поддерживаемые уровни тестирования: дым, Tier1, Tier2, Tier3, Pre-Upgrade и Post-Upgrade. Тестовый уровень также может быть обеспечен с использованием тестового параметра testTier.

Примечание: quay.io/modh/ray:2.47.1-py312-cu128 — это изображение по умолчанию, используемое для создания ресурса RayCluster.

Distributed Workloads

Examples

• Fine-Tune LLMs with Ray and DeepSpeed on OpenShift AI
• Fine-Tune Stable Diffusion with DreamBooth and Ray Train
• Hyperparameters Optimization with Ray Tune on OpenShift AI

Integration Tests

Prerequisites

• Admin access to an OpenShift cluster (CRC is fine)

• Installed OpenDataHub or RHOAI, enabled all Distributed Workload components

• Installed Go 1.21

Common environment variables

• TEST_OUTPUT_DIR - Output directory for test logs

• TEST_TIMEOUT_SHORT - Timeout duration for short tasks

• TEST_TIMEOUT_MEDIUM - Timeout duration for medium tasks

• TEST_TIMEOUT_LONG - Timeout duration for long tasks

• TEST_RAY_IMAGE (Optional) - Ray image used for raycluster configuration

• MINIO_CLI_IMAGE (Optional) - Minio CLI image used for uploading/downloading data from/into s3 bucket

• TEST_TIER (Optional) - Specifies test tier to run, skipping tests which don’t belong to specified test tier. Supported test tiers: Smoke, Tier1, Tier2, Tier3, Pre-Upgrade and Post-Upgrade. Test tier can also be provided using test parameter testTier.

  NOTE: quay.io/modh/ray:2.47.1-py312-cu128 is the default image used for creating a RayCluster resource. If you have your own custom ray image which suits your purposes, specify it in TEST_RAY_IMAGE environment variable.

Environment variables for fms-hf-tuning test suite

• FMS_HF_TUNING_IMAGE - Image tag used in PyTorchJob CR for model training

Environment variables for fms-hf-tuning GPU test suite

• TEST_NAMESPACE_NAME (Optional) - Existing namespace where will the Training operator GPU tests be executed
• HF_TOKEN - HuggingFace token used to pull models which has limited access
• GPTQ_MODEL_PVC_NAME - Name of PersistenceVolumeClaim containing downloaded GPTQ models

To upload trained model into S3 compatible storage, use the environment variables mentioned below :

• AWS_DEFAULT_ENDPOINT - Storage bucket endpoint to upload trained dataset to, if set then test will upload model into s3 bucket
• AWS_ACCESS_KEY_ID - Storage bucket access key
• AWS_SECRET_ACCESS_KEY - Storage bucket secret key
• AWS_STORAGE_BUCKET - Storage bucket name
• AWS_STORAGE_BUCKET_MODEL_PATH (Optional) - Path in the storage bucket where trained model will be stored to

Environment variables for ODH integration test suite

• ODH_NAMESPACE - Namespace where ODH components are installed to
• NOTEBOOK_USER_NAME - Username of user used for running Workbench
• NOTEBOOK_USER_PASSWORD - Password of user used for running Workbench
• NOTEBOOK_USER_TOKEN - Login token of user used for running Workbench
• NOTEBOOK_IMAGE - Image used for running Workbench

To download MNIST training script datasets from S3 compatible storage, use the environment variables mentioned below :

• AWS_DEFAULT_ENDPOINT - Storage bucket endpoint from which to download MNIST datasets