Cube Studio 开源项目常见问题解决方案

项目基础介绍

Cube Studio 是一个开源的云原生一站式机器学习/深度学习/大模型 AI 平台。它支持多种功能，包括 SSO 登录、多租户管理、大数据平台对接、Notebook 在线开发、拖拉拽任务流 Pipeline 编排、多机多卡分布式训练、超参搜索、推理服务 VGPU、边缘计算、Serverless 架构、标注平台、自动化标注、数据集管理、大模型微调、VLLM 大模型推理、LLMOps、私有知识库、AI 模型应用商店等。该项目支持多种编程语言和框架，如 PyTorch、TensorFlow、MXNet、DeepSpeed、PaddlePaddle、ColossalAI、Horovod、Spark、Ray、Volcano 等，并且支持国产 CPU/GPU/NPU 芯片。

新手使用注意事项及解决方案

1. 环境配置问题

问题描述： 新手在首次使用 Cube Studio 时，可能会遇到环境配置不正确的问题，导致无法正常启动项目。

解决步骤：

1. 检查依赖项： 确保所有必要的依赖项已安装，包括 Python、Docker、Kubernetes 等。
2. 配置文件检查： 检查项目的配置文件（如 config.yaml）是否正确配置，特别是数据库连接、存储路径等关键配置项。
3. 环境变量设置： 确保环境变量已正确设置，特别是与 Kubernetes 和 Docker 相关的环境变量。

2. 权限管理问题

问题描述： 新手在使用多租户功能时，可能会遇到权限管理问题，导致无法访问某些资源或功能。

解决步骤：

1. 角色和权限检查： 确认当前用户所属的角色和权限，确保其具有访问所需资源的权限。
2. RBAC 配置： 检查 RBAC（基于角色的访问控制）配置，确保角色和权限的映射关系正确。
3. 项目组管理： 确认用户是否属于正确的项目组，项目组内的权限设置是否正确。

3. 数据集和标注问题

问题描述： 新手在使用数据集管理和标注功能时，可能会遇到数据集上传失败或标注工具无法正常使用的问题。

解决步骤：

1. 数据集格式检查： 确保上传的数据集格式正确，符合项目要求（如图片、音频、文本等）。
2. 标注工具配置： 检查标注工具的配置文件，确保其与数据集格式兼容。
3. 自动化标注设置： 如果使用自动化标注功能，确保 AIHub 已正确配置，并且大模型已正确部署。

通过以上步骤，新手可以更好地解决在使用 Cube Studio 项目时遇到的常见问题，确保项目能够顺利运行。