跳到正文
热点事件持续更新

HyperPod新增三项训练韧性能力

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

AWS推出Amazon SageMaker HyperPod的工作负载恢复与基础设施检查功能,包括面向Amazon EKS编排集群的深度健康检查MultiNodeTrainingValidation、HyperPod Kubernetes资源监控代理,以及面向Slurm集群的挂起任务检测。 其中,挂起任务检测需要使用由Slurm编排的HyperPod集群。AWS称,这些能力可更早发现故障并提升训练工作负载的有效吞吐量。

AI 根据报道生成 · 30 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. AWS Machine Learning Blog
    Amazon SageMaker HyperPod 发布工作负载恢复与扩展基础设施检查

    Amazon SageMaker HyperPod 新增 MultiNodeTrainingValidation、HyperPod Kubernetes Resource Monitoring Agent 和 Slurm 挂起任务检测三类能力。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。