OpenPAI将/mnt/cephfs目录挂载到系统中，所以请将 /mnt/cephfs/home/用户名/ 作为你的个人目录，建议创建Code目录存放你的代码。数据集则保存在/mnt/cephfs/dataset下。以下将具体举例如何提交一个普通单机作业任务。

准备训练数据

OpenPAI集群已经集成了分布式存储，公开数据集保存会保存在 /mnt/cephfs/dataset 中。本节中使用的CIFAR-10数据集已经存放在/mnt/cephfs/dataset/CIFAR-10 下，可以直接使用。为了节约集群的存储空间，所有的公开数据集都要存放在 /mnt/cephfs/dataset 中，方便各位同学共享使用。更多关于数据集如何存储和使用的介绍可以在xxx查看。

准备训练代码

Cifar10

以 pytorch 官网cifar10分类任务为例进行演示。我们将其网页上的代码保存为train.py文件。

1. 代码

a. 代码存放目录：/mnt/cephfs/home/用户名/Code/ , 在本例中代码路径为/mnt/cephfs/home/用户名/Code/``test/train.py
b. 数据集存放路径：/mnt/cephfs/dataset，将下载好的数据集保存在该目录中。我们对代码中的数据集目录进行相应的修改。
QQ截图20200924220110.png
c. 结果存放路径：/mnt/cephfs/home/用户名/Code/test/result 我们在实验目录下创建了result目录保存结果。对代码进行相应的修改。
QQ截图20200924215959.png

2. 提交任务

A. 选择提交作业类型

QQ截图20200924210235.png
在Submit job界面下点击Single job进入填写页面

B. 填写作业信息

QQ截图20200924211750.png
A. Job name:
填入本次作业的名称，建议起一个有意义的名字，本例为cifar10_classifier_0
B. Virtual cluster:
虚拟集群，默认defaul，目前无需选择
C. Command:
填入你需要运行的命令。例如本例为 python /mnt/cephfs/home/xudikai/Code/test/train.py。这与你在普通服务器上所需要运行的命令相同。请注意你代码所在的路径。
D. Resources:
配置你本次实验所需要的的资源。可以选择所需GPU的数量。打开Custom按钮，可以配置CPU核心数量和内存大小。
E. Docker image:
选择Docker镜像，即实验运行的环境。本例中选择PyTorch 1.2.0 + Python 3.6 with GPU, CUDA 10.0镜像。