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
MicrosoftがローカルSQL

MicrosoftがローカルSQL

5/10/26, 07.00

Microsoft(米国ワシントン州)は、クラウド接続の有無を問わず利用可能なデータベースインフラ『SQL Server on Azure Local』の一般提供を開始した。

TCBSがAI基盤を全社導入

TCBSがAI基盤を全社導入

5/10/26, 07.00

TCBS(ベトナムハノイ)は、AWSのソフトウェア開発環境『Kiro』を全社規模で導入したと発表した。

Googleが最先端AIモデル発表

Googleが最先端AIモデル発表

5/10/26, 07.00

Google(米国カリフォルニア州)は、高度な推論機能と100万トークンの出力上限を備えた最新AIモデル『Gemini 4 Argon』をはじめとする一連のAIアップデートを発表した。

NVIDIAがAI評価技術

NVIDIAがAI評価技術

5/10/26, 07.00

NVIDIA(米国カリフォルニア州)は、AIエージェントの行動履歴や実行プロセスを詳細に可視化・評価するためのチュートリアルと『NeMo Relay』活用事例を公開した。

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
MicrosoftがローカルSQL

MicrosoftがローカルSQL

5/10/26, 07.00

Microsoft(米国ワシントン州)は、クラウド接続の有無を問わず利用可能なデータベースインフラ『SQL Server on Azure Local』の一般提供を開始した。

TCBSがAI基盤を全社導入

TCBSがAI基盤を全社導入

5/10/26, 07.00

TCBS(ベトナムハノイ)は、AWSのソフトウェア開発環境『Kiro』を全社規模で導入したと発表した。

Googleが最先端AIモデル発表

Googleが最先端AIモデル発表

5/10/26, 07.00

Google(米国カリフォルニア州)は、高度な推論機能と100万トークンの出力上限を備えた最新AIモデル『Gemini 4 Argon』をはじめとする一連のAIアップデートを発表した。

NVIDIAがAI評価技術

NVIDIAがAI評価技術

5/10/26, 07.00

NVIDIA(米国カリフォルニア州)は、AIエージェントの行動履歴や実行プロセスを詳細に可視化・評価するためのチュートリアルと『NeMo Relay』活用事例を公開した。

bottom of page