全部文档
当前文档
最近更新时间：2026-04-01 11:56:52
以开发 SAM2 模型为例，本文主要介绍如何使用星流平台的开发任务功能，完成环境适配的操作。
已完成星流平台前置操作指引，相关依赖资源，如VPC网络、子网等，已创建完成。
登录星流平台，在顶部导航栏，选择 训推与仿真 > 资源管理 > 资源组。
在资源组管理界面，点击 +新建。
根据以下要求配置各项参数，点击 立即购买。
资源组名称：用户自定义，根据实际情况填写。
资源配置：本示例中选择 GPU 资源的机型或集群，以便后续操作。
其他参数根据实际情况进行选择即可。
在左侧导航栏，选择 队列。
在队列管理页面，点击 +新建。
根据以下要求配置各项参数，点击 确定。
队列名称：用户自定义，根据实际情况填写。
资源池：选择上述步骤中已创建好的资源组。
资源规格：GPU 类型，选择可用的 GPU，GPU 卡数设置为1，CPU 核数和内存，根据实际情况设定即可。
其他参数根据实际情况进行选择即可。
在左侧导航栏，选择开发任务。
在开发任务管理页面，点击 +新建。
根据如下要求配置各项参数，点击 确定，等待开发任务状态转为运行中。
任务名称：用户自定义，根据实际情况填写。
镜像类型：选择官方镜像。
镜像：选择 pytorch - 2.6.0 - devel，CUDA 版本选择12.6。
资源配置：选择前文准备工作中，已提前创建好的资源组和队列即可。
其他参数根据实际情况填写或保持默认即可。
在开发任务列表中，点击指定任务操作列中的 连接。
在弹出的提示框中，选择 WebIDE，本次示例选择 Jupyter Notebook。
进入 JupyterLab 页面，选择 Other > Terminal，打开终端。
依次执行如下操作，安装依赖进行环境适配。
开源代码中有一些路径的硬编码默认读取 root 路径的文件，为了最大程度降低拉起训练的复杂度（尽量不修改源码&防止读取文件路径混淆），将源码文件放到 root 中。
a. 下载依赖。
cd ~ #进入 /root 目录
source activate base #进入 conda base 环境
apt update && apt install git -y #下载 git
git clone https://github.com/facebookresearch/sam2 #下载 sam2 项目代码
cd sam2 #进入项目目录
pip install -e .
pip install -e ".[dev]" #下载依赖b. 下载 checkpoints。
apt update && apt install -y curl
cd checkpoints
./download_ckpts.sh完成各项依赖下载后，在 JupyterLab页面的左侧工作区内找到/sam2/configs/sam2.1_training/sam2.1_hiera_b+_MOSE_finetune.yaml文件，编辑dataset片段为如下内容。
训练数据存储配置的挂载路径是/mnt/data/
dataset:
# PATHS to Dataset
img_folder: /mnt/data/train/JPEGImages # PATH to MOSE JPEGImages folder
gt_folder: /mnt/data/train/Annotations # PATH to MOSE Annotations folder
file_list_txt: null # training/assets/MOSE_sample_train_list.txt # Optional PATH to filelist containing a subset of videos to be used for training
multiplier: 2完成上述环境适配操作后，可将相应的开发任务保存成镜像，以便后续持续使用。具体操作如下。
纯净模式