登录ModelArts管理控制台，在“全局配置”界面添加访问秘钥，如下图（如已添加密钥，可跳过此步）：
请将obs/scrip/train-caffe-ssd1023zhong
- 请将obs://3377/中的文件拷贝至自己的桶中,命名为“bucketname”;
- 将obs://bucketname/scrip/train-caffe-ssd1023下载至本地，打开文件，将第5行bucketname='***'更新为自己的bucketname，再将train-caffe-ssd1023传回obs桶中，此文件为训练脚本。
在ModelArts“训练作业”界面，单击“创建”按钮，进入创建训练作业页面。按照如下指导填写字段：
名称：自定义
数据来源：选择数据存储位置
数据存储位置：训练数据集的路径，选择OBS路径/bucketname/train-res/data/
算法来源：常用框架
AI引擎：Caffe，Caffe-1.0.0-python2.7
代码目录：训练脚本所在的目录，选择OBS路径/bucketname/scripts/
启动文件：训练脚本，选择OBS路径/bucketname/scripts/train-caffe-ssd.py
运行参数：添加max_epochs=20。运行参数中设置的变量会传入到训练脚本中，经过解析，可以使用。此字段用于设置算法中的超参。
训练输出位置：选择OBS路径。训练输出位置用来保存训练输得到的模型和TensorBoard日志。
资源池：机器的规格，选择“计算型GPU(P100)实例”，表示这台机器包含一张GPU卡。
计算节点个数：选择1，表示我们运行一个单机训练任务。（注：本训练脚本不支持分布式训练）
所有字段填写好之后，确认参数无误，点击下一步，然后点击立即创建，开始训练。训练时长预计8到15分钟左右，ModelArts使用高峰期可能会有时间延迟。
此时点开日志，可以通过日志完成查看模型的性能。在训练作业完成后，模型存在obs中的输出位置。输出一共四个文件：
- deploy.prototxt：训练生成的模型文件
- VGG_VOC0712_SSD_300x300_iter_50.caffemodel：训练生成的参数文件
- aipp.config文件：模型转换的配置文件，会调度ascend芯片的最佳性能
- opmap文件，在模型转换是存在一个不支持的算子，才此文件中将其进行替代，使模型转换成功。