跳到正文
今天11月13日周五9 条
11月12日周四
  1. AWS Machine Learning Blog57

    AWS 教程:在 Amazon SageMaker HyperPod 上检测并恢复静默数据损坏

    AWS 发布教程,介绍如何在 PyTorch DDP 训练循环中加入三道检查来检测静默数据损坏(SDC),并把可疑 rank 映射到节点、隔离后交由 SageMaker HyperPod 替换:all-reduce 前后的 NaN/Inf 梯度检查、审计步的环形重放比对 loss 与梯度指纹、优化器步后的权重指纹比对。

11月11日周三
11月7日周六
11月6日周五
10月21日周三
10月20日周二
10月13日周二