top of page
Generatif (Beta) |. Memberikan berita dan tren terkini dalam AI generatif
logo.png

Deteksi Orang yang Tertinggal Secara Otomatis di Google Cloud

Generatived

1/9/25, 09.00

Sistem yang tertinggal menjadi tantangan bagi para pengembang yang menangani beban kerja pembelajaran mesin (ML) skala besar. Seiring sistem tumbuh lebih besar dan lebih bertenaga, masalah dengan komponen kecil memengaruhi kinerja secara keseluruhan. Kelas superkomputer baru dibutuhkan untuk melatih model skala besar generasi berikutnya.

Kegagalan dapat dibagi menjadi dua jenis: "fail-stop" dan "fail-throw". Fail-stop menyebabkan komponen crash, sementara fail-throw hanya memperlambat sistem. Node yang berkinerja buruk memengaruhi keseluruhan sistem, sehingga memperpanjang waktu pelatihan.

Untuk meningkatkan keandalan, penting untuk meningkatkan waktu rata-rata antar gangguan (MTBI) dan mengurangi waktu rata-rata pemulihan (MTTR). Proses pemulihan dapat dibagi menjadi empat tahap: deteksi masalah, identifikasi, konfigurasi ulang sistem, dan analisis akar penyebab.

Google Cloud telah memperkenalkan metode untuk mendeteksi akselerator yang tertinggal secara otomatis. Dalam pelatihan terdistribusi skala besar, semua akselerator beroperasi secara sinkron, dan jika satu akselerator tertinggal, akselerator lain akan menganggur. Keterlambatan ini dapat disebabkan oleh berbagai masalah, termasuk kegagalan perangkat keras dan bug perangkat lunak.

Mengidentifikasi penyebab perlambatan memang sulit, tetapi pendekatan Google didasarkan pada analisis kausal. Sistem dipahami sebagai grafik yang saling terhubung dan klaster GPU dipantau secara pasif. Sistem ini bekerja dalam dua langkah: membangun grafik komunikasi dan mengidentifikasi penyebab perlambatan.

Pendekatan otomatis ini mengurangi cakupan pencarian dari ribuan node menjadi hanya beberapa node, sehingga mempersingkat waktu pencarian dari hitungan hari menjadi hitungan menit. Jika terjadi penundaan, layanan akan menandainya dan mengambil tindakan yang tepat.

Magic bermitra dengan Google untuk mengembangkan Frontier LLM. Sebelum algoritma deteksi straggler otomatis diperkenalkan, pemecahan masalah manual diperlukan. Kini, deteksi straggler diaktifkan secara default. Ai2 juga dilatih di Google Cloud, sehingga meningkatkan produktivitas riset.

Bagikan artikel ini:

Tin tức mới nhất
Queueが英でAI��検索支援

Queueが英でAI検索支援

25/9/26, 07.00

Queue(東京都中央区)は、AI検索最適化サービス「umoren.ai」を提供する事業基盤を活かし、イギリスにおけるGEOやLLMO支援を本格的に開始したと発表した。

スカラタaiがAI基盤発売

スカラタaiがAI基盤発売

25/9/26, 07.00

スカラタai(東京都渋谷区)は、個人向けチャットツール「スカラタチャット」および法人向けプラットフォーム「スカラタエンタープライズ」を2026年9月18日より販売開始したと発表した。

アンドドット支援で合格者増加

アンドドット支援で合格者増加

25/9/26, 07.00

アンドドット(東京都渋谷区)は、スタッフサービス・エンジニアリングが実施した『生成AIパスポート』団体試験において資格取得支援の講師を担当し、298名の合格者を輩出したと発表した。

Grizzlarityが実験成果発表

Grizzlarityが実験成果発表

25/9/26, 07.00

Grizzlarity(東京都千代田区)は、マルチエージェントAIプラットフォーム「KumaKumaAI」のメールAI機能に関し、シンカのアライアンス戦略部を対象とした3ヶ月間の実証実験成果を発表した。

Copyright © 2024 Generatived - All right Reserved.

Bagikan artikel ini:

Bagikan artikel ini:

Generatived

Hãy theo dõi chúng tôi

  • Facebook
  • X

Bahasa

Generatived là dịch vụ cung cấp thông tin và xu hướng chuyên về Generative AI. Chúng tôi sẽ cố gắng hết sức để cung cấp thông tin về thế giới đang thay đổi nhanh chóng.

Generatived AI Logo

Generatived adalah layanan yang memberikan informasi dan tren khusus dalam AI Generatif. Kami akan melakukan yang terbaik untuk menyampaikan informasi tentang dunia yang berubah dengan cepat.

  • Facebook
  • X

Ikuti kami

Bahasa

Berita terkini
Queueが英でAI検索支援

Queueが英でAI検索支援

25/9/26, 07.00

Queue(東京都中央区)は、AI検索最適化サービス「umoren.ai」を提供する事業基盤を活かし、イギリスにおけるGEOやLLMO支援を本格的に開始したと発表した。

スカラタaiがAI基盤発売

スカラタaiがAI基盤発売

25/9/26, 07.00

スカラタai(東京都渋谷区)は、個人向けチャットツール「スカラタチャット」および法人向けプラットフォーム「スカラタエンタープライズ」を2026年9月18日より販売開始したと発表した。

アンドドット支援で合格者増加

アンドドット支援で合格者増加

25/9/26, 07.00

アンドドット(東京都渋谷区)は、スタッフサービス・エンジニアリングが実施した『生成AIパスポート』団体試験において資格取得支援の講師を担当し、298名の合格者を輩出したと発表した。

Grizzlarityが実験成果発表

Grizzlarityが実験成果発表

25/9/26, 07.00

Grizzlarity(東京都千代田区)は、マルチエージェントAIプラットフォーム「KumaKumaAI」のメールAI機能に関し、シンカのアライアンス戦略部を対象とした3ヶ月間の実証実験成果を発表した。

bottom of page