train-submit

train-submit — 派发训练任务

先决条件

• 项目已有 .trainhub.json（未有 → 先跑 train-config）
• 目标平台对应凭据已配好（Kaggle: ~/.kaggle/kaggle.json；SSH: ssh-config Host；Colab: 浏览器登录）

参数

参数	可选	含义	示例
platform	默认读 .trainhub.json	kaggle / colab / ssh	platform=kaggle
script	必填	训练入口脚本	kaggle_kernels/L2-ema-p5/l2_ema.py
run_name	必填	运行唯一命名	L2-P4-ema-p5-kaggle
dataset	Kaggle 专属	输入数据集 slug	lilliareverie/wall-crack-v2-split

平台 adapter 逻辑

Kaggle

1. 检查或生成 kernel-metadata.json（用 .trainhub.json.platforms.kaggle 填默认字段 + run_name → id = "{account}/{kernel_prefix}-{run_name}"）
2. kaggle kernels push -p <kernel-dir>
3. 返回 kernel id 给用户

SSH

1. rsync 代码到 platforms.ssh.remote_dir/{run_name}/
2. 通过 ssh host 'cd remote_dir/run_name && tmux new-session -d -s run_name "conda activate {conda_env} && python script > train.log 2>&1"'
3. 返回 tmux session id + log 路径

Colab

半自动：生成好 notebook 复制到 Drive → 指示用户打开 Colab 手动点 Run all（Colab 没有正式 CLI 派发 API）

并发规则

• Kaggle 免费账号同时最多 2 个 session — 提交前 kaggle kernels list --mine 检查
• SSH 用 tmux session 名防重复占用 GPU
• 同一 run_name 已存在 → 提示用户决定覆盖/改名

提交后

打印一条关键信息：下一步怎么 watch

提交成功。下一步：
  train-watch run={run_name} platform={platform}
  或 /loop 10m train-watch run={run_name}