0 最实用的小技巧: 不知道或者忘记了指令， 就使用 -h

-h 虽然不能提供所有的det 指令， 但是可以在很多场景下解决指令忘记的问题, 对于刚刚使用det的用户也很适用。

[user@host]$ det -h
usage: det [-h] [-u username] [-m address] [-v] command ...

Determined command-line client

positional arguments:
  command
    help                show help for this command
    auth                manage auth
    agent (a)           manage agents
    command (cmd)       manage commands
    checkpoint (c)      manage checkpoints
    deploy (d)          manage deployments
    experiment (e)      manage experiments
    job (j)             manage jobs
    master              manage master
    model (m)           manage models
    notebook            manage notebooks
    oauth               manage OAuth
    preview-search      preview search
    project (p)         manage projects
    rbac                manage roles based access controls
    resources (res)     query historical resource allocation
    shell               manage shells
    slot (s)            manage slots
    task                manage tasks (commands, experiments, notebooks, shells, tensorboards)
    template (tpl)      manage config templates
    tensorboard         manage TensorBoard instances
    trial (t)           manage trials
    user-group          manage user groups
    user (u)            manage users
    version             show version information
    workspace (w)       manage workspaces

options:
  -h, --help            show this help message and exit
  -u username, --user username
                        run as the given user (default: None)
  -m address, --master address
                        master address (default: 192.168.5.173)
  -v, --version         print CLI version and exit

[user@host]$ det notebook -h
usage: det notebook [-h] subcommand ...

positional arguments:
  subcommand
    help      show help for this command
    config    display notebook config
    kill      kill a notebook
    list (ls)
              list notebooks
    logs      fetch notebook logs
    open      open an existing notebook
    set       set notebook attributes
    start     start a new notebook

options:
  -h, --help  show this help message and exit

1 多种交互方式:

• shell : 通过命令行终端，在一个docker镜像下进行交互。

• jupyter notebook : 使用jupyter的交互，可以通过网页访问，其中也可以jupyter提供的用terminal交互。

• determined experiment : 类似于slurm sbath的形式，以作业(实验)的形式，提交任务给determined， 提交的任务会根据determined的规则被调度和执行。

1.1 determined shell

• 最简单的启动determined shell的方法:

det shell start

利用上述代码将会启动一个使用默认镜像的， 拥有1块4090 GPU资源的docker container, 默认是ubuntu系统， root权限。

• 使用startup-hook的 determined shell
当你使用 det shell start 启动一个terminal之后， 你发现， 里面怎么什么都没有， 没有vim， 没有unzip， 虽然你此时有root权限， 可以随意安装软件， 但是下一次你再次启动的时候， 上一次安装的软件全消失了。

有没有一种方法可以让我的环境固定下来， 每次启动后都有我需要的软件应用呢？

1. 最简单的方法：你可以通过startup-hook 来解决(startup-hook 不仅针对shell，notebook适用， 对experiment也同样适用)
在启动目录下， 设置一个 hook 文件夹(名称可以随意)， 在 hook 文件夹中，放置一个固定的称为startup-hook.sh 的文件，在其中， 你可以编写一些shell指令， 来安装常用应用等。
startup-hook.sh 的一个example(对于shell 和 notebook来说)

apt update                                                                                                                                                                                                                                                                   
apt install -y tmux htop vim unzip

此时启动det shell需要增加一个额外的 —context 参数来使得det能够在启动过程中安装需要的软件和环境

det shell start --context ./hook

 
此外， startup-hook 还能为 experiment 提供软件和python 包等环境(experiment是提交任务式， 不能想shell上手动安装需要的软件和python包， 因此可能对于一些场景必须要使用到 startup-hook , 如官网docs演示的那样
https://docs.determined.ai/latest/model-dev-guide/prepare-container/custom-env.html#startup-hooks

apt-get update && apt-get install -y wget
python3 -m pip install pandas

2. 较复杂的方法：除了startup-hook 之外， 也可以自己手动构建属于自己的镜像， 在镜像中预制相应的环境(软件， python包…) 每次使用det加载自己的镜像， 从而省去了繁琐的软件和环境安装过程。 startup-hook 并没有做到这一点， 它每次启动的时候仍然需要安装软件， 只不过从手动变成了自动而已。

• 将网络共享文件夹用起来
• 4090集群上放置了一些具有较大存储的网络共享文件夹：如: /home/nfs_data 和 /home/nfs_data_02 这些共享文件夹部署在ACT内网环境下， 可以通过ACT内网访问。
• determined 每次shell 或者 jupyter notebook 退出后文件就没有了， 怎么办?
• 在启动shell或notebook的时候， 使用带有config的启动方式， 在相应的 .yaml 文件中利用 bind_mount 指令来将网络文件夹映射到docker内部环境上

bind_mounts:
  - host_path: /home/nfs_data
    container_path: /root/data

这时， 你就可以在det启动的docker中的 /root/data 目录下访问到 网络文件夹 /home/nfs_data 下的数据了， 并且可以将每次实验的结果也保存到 /home/nfs_data 下，通过这样的方式来实现数据可持久化操作。
• determined的shell中也可以想裸机中一样方便的使用conda环境吗？
• 这一点可以轻松利用网络共享文件夹和 .yaml config实现
 
推荐不要在Miniconda安装的时候进行 bash init, 而是在后续使用到conda的时候 通过 source /path/miniconda3/bin/activate 的方式激活conda环境

1.2 jupyter notebook

1.3 determined experiment

2.通过ssh连接determined shell

3.自定义端口访问determined docker内部服务