跳转到内容
GPUPlane

快速开始

环境要求：Python ≥ 3.12 和 uv。GPU 机器可以是 Linux 裸机或 WSL2。

  1. 克隆并安装

    Terminal window
    git clone https://github.com/EricYuan2007/GPUPlane && cd GPUPlane
    uv sync    # 安装全部组件（server / agent / cli / sdk）

  2. 启动 server（在 GPU 机器上）

    Terminal window
    uv run gpuctl-server

    首次启动自动生成 admin token 并写入 ~/.gpuctl/server.yaml。 想从局域网访问 Web UI，把 server.yaml 里的 host 改为 0.0.0.0。

  3. 启动 agent（同机）

    Terminal window
    # 把 server.yaml 里的 token 复制到 ~/.gpuctl/agent.yaml
    uv run gpuctl-agent

  4. 提交第一个训练任务（先用 cpu_only 示例跑通，再上 GPU）

    Terminal window
    uv run gpuctl job submit -n mnist -g 1 \
      -d "$PWD/examples/mnist" --watch checkpoints \
      -- python train.py --epochs 3

  5. 观测训练

    Terminal window
    uv run gpuctl status             # 节点/队列总览
    uv run gpuctl job list           # 任务状态
    uv run gpuctl logs -f <job-id>   # 实时日志
    uv run gpuctl run show <run-id>  # 指标摘要（latest/best/trend）

  6. 打开 Web UI

    server 自动托管 Web UI（也可用 GPUCTL_WEB_DIST 指定构建产物）：

    http://<gpu-host>:8600    # 输入 server.yaml 中的 token 登录

    七个页面各自能做什么，见 Web 控制台。

导入历史实验

Section titled “导入历史实验”

把已有实验（TensorBoard events + checkpoints）导入为 IMPORTED run：

Terminal window
uv run gpuctl import-run ~/experiments/old-run --project legacy

接入 Agent（可选但推荐）

Section titled “接入 Agent（可选但推荐）”

让 Claude Code 等 MCP 客户端直接用自然语言驱动实验循环，见 实验循环与 Agent 接入。

离线/受限网络

Section titled “离线/受限网络”

GPU 机器无法访问公网时，可以在能上网的机器上预下载全部 wheel（约 50 个小包， torch 不属于平台依赖），离线安装。完整流程见 部署与运维。

下一步

Section titled “下一步”