成功开通深度学习平台AVA后，就可以登录七牛云portal，开始使用这个平台进行模型训练。
训练模型
使用AVA平台，可以训练出满足您需求的模型，训练完成后，可以发布出来进行调用（发布的功能正在紧张开发中）。而训练一个模型，一般需要以下3步。
- 选择数据集
- 选择镜像
- 选择训练资源
下面将介绍如何使用AVA平台提供的公开数据集cifar10和公开镜像来训练一个模型。
在左侧栏点击“训练”进入到训练模块，点击“新建训练”就可以创建一个训练。
输入训练名称“cifar10-demo”和描述（可选）“This is a training demo for cifar10”
选择数据集
AVA平台提供了很多公开数据集供用户使用，在数据集模块的公开数据集tab就可以找到数据集名称为“cifar10”的数据集。cifar10数据集所包含的内容，请参考。
训练模型的框架比较多，目前AVA平台能支持的训练框架包括Caffe和Mxnet。使用这些框架进行模型训练时，使用的数据集一般是需要提前生成为特定的格式，例如，Caffe需要lmdb格式的数据，而Mxnet需要recordio格式的数据，当然也可以使用原图格式。
所以，在开始训练之前，需要把数据集格式化成需要的格式。在此示例中，我们将使用平台提供的Mxnet的公开镜像，所以这里数据集需要格式化为recordio的数据。平台已经把cifar10的这50000条数据按照比例格式化为recordio的训练集（40000条）和验证集（10000）。数据格式化成功完成后，就可以在训练中使用了。
在训练模型时，我们一般需要为这个训练选择“训练集”和“验证集”，训练集和验证集可以分别来自于不同的数据集的格式化数据。
在本示例中，我们将选择3.1中的公开数据集“cifar10”格式化的recordio的数据，如下图选中百分比为80%的这条格式化数据作为训练集，
一般情况，我们会把一个数据集拆分成2部分，一部分作为训练集，一部分作为验证集，所以当您选择cifar10的数据集中那条百分比为80%的格式化数据时，系统会提示您是否要选择同时格式化20%的格式化数据作为验证集。点击“确定”按钮，则选中了训练需要的训练集和验证集。
选择镜像
镜像一般包含训练的代码，以及AVA平台需要的一些SDK的代码，用户可以自己构建镜像，也可以使用公开镜像。AVA平台提供了很多公开镜像供用户使用，在本示例中，对于cifar10的数据集，我们将使用mxnet的官方代码ResNet50的网络结构训练模型，您可以在镜像模块的公开镜像tab找到“ava-mxnet-py27-gpu”的镜像,请选择版本为“latest”的镜像。
点击“下一步”，进入到选择训练资源
选择训练资源
在训练资源页面，用户可以选择GPU资源或CPU资源，在这里可以选择GPU资源，目前仅提供1张GPU资源。
执行入口填入的是指定执行的主代码文件，必填，这里填入的是“/workspace/examples/trainings/mxnet/simple/start.sh”。
点击“创建”按钮，可以看到这个训练就处于“创建中”，分配好资源后，就可以执行训练了。
训练执行过程中，您可以在平台中查看训练监控，查看训练日志和训练产生的模型。
查看训练监控
在训练列表中，找到你刚才创建的训练“cifar10-demo”,然后点击“训练监控”。
即可查看这个训练的accuracy\loss\learning rate曲线图。
查看训练日志
对于正在执行中的训练，或者已经完成的训练，用户都可以查看训练的日志。现在训练的日志是存储在组共享存储空间的“/workspace/mnt/group/qiniu-group-1/avatest/run/train_cifar10-demo_out.log”文件中，查看训练日志，需要创建一个工作台，通过工作台登录到JupyterLab中，然后通过terminal进入到组共享存储空间去查看日志纪录。工作台的详细功能，请点击工作台。
训练产生的模型
对于训练产生的模型，可以在AVA平台的模型模块->训练产生模型tab进行查看。找到上面创建的训练“cifar10-demo”,点击左边的展开加号，就可以看到训练中指定保存的训练产生模型。
您可以下载满足您需求的模型。
恭喜您，至此，您就在AVA平台上训练出了一个模型。
更多基础功能教程请查看：
售前 
售后 