快訊 · 台北時間

SageMaker HyperPod 新增 workload recovery 與更多基礎設施檢查

一句重點:訓練跑到一半卡住、或默默算出錯誤結果,HyperPod 現在會更早抓出來。

發生什麼事

AWS 在 Machine Learning Blog 宣布,Amazon SageMaker HyperPod 新增 workload recovery 與擴充後的 infrastructure checks。AWS 指出,大型訓練任務即使每個節點看起來正常,仍可能停滯或算錯;這兩項功能就是針對這類狀況,希望更早發現問題,把訓練的 goodput 拉高(Introducing workload recovery and expanded infrastructure checks on Amazon SageMaker HyperPod)。

證據:🗣 官方自述,本站未實測。

01參考來源