快讯 · 台北时间

SageMaker HyperPod 新增 workload recovery 与更多基础设施检查

一句重點:HyperPod 现在能更早发现训练任务卡住或计算结果出错的情况。

發生什麼事

AWS 在 Machine Learning Blog 宣布,Amazon SageMaker HyperPod 新增 workload recovery 和扩展的 infrastructure checks。AWS 表示,大型训练任务即使所有节点看起来正常,也可能停滞或算错;这两项功能旨在更早发现问题,并提高训练的 goodput(Introducing workload recovery and expanded infrastructure checks on Amazon SageMaker HyperPod)。

证据:🗣 官方自述,本站未实测。

01参考来源