AI 热点

热点事件

AWS为SageMaker HyperPod推出工作负载恢复和基础设施检查

1 篇正式报道1 条事件动态更新于 11月19日 07:03

先了解这件事

事件摘要

还没有公开综述,先看下面的报道时间线。

最新进展 · 正式报道

Amazon SageMaker HyperPod 推出工作负载恢复与扩展基础设施检查

事件进展

1 个已确认进展

  1. AWS为SageMaker HyperPod推出工作负载恢复和基础设施检查

    来源:AWS Machine Learning

报道与讨论时间线

按时间查看正式报道与传播讨论;两类内容的证据等级保持独立。

11月19日

  1. AWS Machine Learning一手

    Amazon SageMaker HyperPod 推出工作负载恢复与扩展基础设施检查

    Amazon SageMaker HyperPod 推出工作负载恢复和基础设施检查,旨在更早发现分布式训练故障并提升有效训练时间占比。新增能力包括 EKS 集群的 MultiNodeTrainingValidation、Kubernetes Resource Monitoring Agent,以及 Slurm 集群的挂起作业检测。挂起检测可记录 CloudWatch 事件,并按规则取消作业后交由 Slurm 重新排队。

关联事件

  1. 相关事件AWS为SageMaker HyperPod Inference增加托管NVIDIA Dynamo支持
  2. 相关事件Amazon SageMaker AI实时端点支持KV缓存感知路由
  3. 相关事件AWS为Amazon SageMaker AI新增AI数据准备能力
  4. 相关事件NVIDIA Vera Rubin NVL72首次亮相MLPerf Training v6.1