leven87 · 2021 年 9 月 3 日 · 4121 次点击

请教，有没有一个合适的开源管理系统，可以管理 tensorflow docker 的 多机多卡的训练。主要功能是：
1. 设置运行的节点数目(docker 数目）;
2. 启动运行训练脚本；
3. 观察和监控训练进程等。

谷歌了一下，没有什么思路，谢谢！