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
- 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
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。
AI 热点