速報 · 台北時間

SageMaker HyperPod、workload recovery とインフラ検査を拡充

一句重點:HyperPod は、訓練の停止や誤った計算結果をより早く検知できるようになりました。

發生什麼事

AWS は Amazon SageMaker HyperPod に workload recovery と拡張された infrastructure checks を追加しました。AWS によると、大規模な訓練ジョブは、すべてのノードが正常に見えても停止したり、誤った結果を計算したりすることがあります。今回の機能は、こうした問題を早期に検知し、訓練の goodput を高めることを目指します(Introducing workload recovery and expanded infrastructure checks on Amazon SageMaker HyperPod)。

根拠:🗣 AWS の自己申告。こちらでは未検証です。

01出典