支持對訓練任務的資源健康度與性能進行檢查，提升訓練成功率及問題診斷效率。
適用客戶
AI大模型訓練場景的客戶。
新增功能/規格
算力健康檢測（Sanity Check）功能，旨在對分布式訓練任務的算力資源健康度與性能進行檢查。在創建DLC訓練任務時可以開啟該功能，健康檢測會對參與訓練的資源進行全面檢測，自動隔離故障節點，并觸發后臺自動化運維流程，有效減少任務訓練初期遇到問題的可能性，提升訓練成功率。在檢測完成后，會給出有關GPU算力以及通信性能的檢測報告，可以幫助識別和定位可能導致任務訓練性能下降的問題元素，整體提升問題診斷的效率。
目前僅支持在華北6（烏蘭察布）地域，使用靈駿智算資源提交的DLC訓練任務，開啟健康檢測功能。
產品文檔
文檔內容是否對您有幫助？