vastai-local-dev-loop
Skonfiguruj lokalne środowisko deweloperskie dla GPU na Vast.ai z szybkim testowaniem i iteracją.
Instalacja
Wybierz klienta i sklonuj repozytorium do odpowiedniego katalogu skilli.
Instalacja
O skillu
Skill do szybkiego ustawienia lokalnego workflow'u dla obciążeń GPU na Vast.ai. Testuj obrazy Docker lokalnie, mockuj odpowiedzi API w CI i zmniejsz koszty chmury GPU podczas developmentu. Zawiera strukturę projektu, konfigurację testów z mocked API, skrypty weryfikacyjne i benchmark'i GPU. Wymaga ukończonego setup'u vastai-install-auth, zainstalowanego Dockera i Pythona 3.8+.
Jak używać
Upewnij się, że masz ukończony setup vastai-install-auth, zainstalowany Docker i Python 3.8+ z pytest. Przygotuj strukturę projektu z katalogami src/, docker/, tests/ i scripts/ zgodnie z dokumentacją skill'u.
W katalogu tests/ utwórz plik conftest.py z fixture'ami do mockowania Vast.ai API. Zdefiniuj mock_vast_client zwracający testowe oferty i odpowiedzi, aby testy działały bez rzeczywistych kosztów GPU.
Stwórz pliki .env.development i .env.production do zarządzania kluczami API — development z niskim limitem wydatków, production gitignorowany. Załaduj zmienne środowiskowe w swoim kodzie klienta.
Napisz testy jednostkowe w test_client.py i testy integracyjne w test_job_runner.py, używając fixture'ów z conftest.py do mockowania API i instancji GPU.
Uruchom skrypt test-connection.sh do szybkiej weryfikacji połączenia z API Vast.ai i sprawdzenia poprawności konfiguracji.
Użyj benchmark-gpu.py do testowania wydajności GPU lokalnie przed wdrożeniem na produkcję, minimalizując rzeczywiste koszty chmury.