功能

简介

TY(TAIYI)-Arranger是基于kubebuilder编写的容器批量计算控制器， 用于分布式强化学习训练框架在集群上的任务部署。目前的分布式强化学习训练框架主要专注于算法的集成， 在计算资源尤其是多机资源的协调利用方面支持欠佳。 TY-Arranger为TYRL(TAIYI Reinforcement Learning Framework)在复杂任务训练场景上的应用提供支持， 为其提供CPU,GPU等资源的调度能力。

TYRL

特性

支持多种pod调度策略，包括

• Binpack policy

• LeaderFirst policy

• MinFragmen policy

• JobAffinity Policy

• JobAntiAffinity

支持多种Job调度策略，包括

• PriorityPolicy

• DRFPolicy