top of page

Generatived(Beta)|生成AIの最新ニュースとトレンドを提供

logo.png

Google Cloud 自動ストラグラー検出

Generatived

25/9/1 9:00

ストラグラーは、大規模なMLワークロードを扱う開発者にとっての課題だ。システムが拡大し、強力になるほど、小さなコンポーネントの問題が全体のパフォーマンスに影響を及ぼすようになる。新しいレベルのスーパーコンピュータが、次世代の大規模モデルのトレーニングには必要とされる。

障害は「フェイルストップ」と「フェイルスロー」の2種類に分けられる。前者はコンポーネントがクラッシュし、後者は動作が遅くなるだけである。パフォーマンスが低いノードは、システム全体に影響を及ぼし、トレーニング時間の増加につながる。

信頼性を高めるためには、平均中断間隔(MTBI)を延ばし、平均復元時間(MTTR)を短くすることが重要だ。復旧プロセスは、問題の検出、特定、システムの再構成、根本原因分析の4段階に分けられる。

Google Cloudでは、ストラグラーを自動検出する方法が紹介されている。大規模な分散トレーニングでは、全アクセラレータが同期して動作し、一つのストラグラーが遅れると、他のアクセラレータがアイドル状態になる。この遅延は、ハードウェア障害やソフトウェアバグなど、様々な問題によって引き起こされる。

速度低下の原因を特定するのは困難だが、Googleのアプローチは因果分析に基づいている。システムは相互接続されたグラフとして理解され、GPUクラスタをパッシブにモニタリングする。通信グラフの構築と速度低下の原因特定の2ステップで動作する。

この自動化されたアプローチにより、検索範囲が数千のノードから数個に減り、検索時間が数日から数分に短縮される。遅延が特定されると、サービスによってフラグが立てられ、適切なアクションが実行される。

Magicは、Googleと提携してフロンティアLLMを開発した。自動ストラグラー検出アルゴリズムの導入前は、手動でのトラブルシューティングが必要だったが、現在はストラグラー検出がデフォルトで有効になっている。Ai2もGoogle Cloudでのトレーニングにより、研究の生産性を向上させた。

この記事を共有:

最新のニュース
NVIDIA、NeMoでLLM向けRL実践法公開

NVIDIA、NeMoでLLM向けRL実践法公開

26/7/3 9:00

NVIDIA(米カリフォルニア州サンタクララ)は、大規模言語モデル(LLM)やAIエージェント向けの強化学習(RL)の実践ガイドを公開した。

Microsoft クラウドAI保護強化

Microsoft クラウドAI保護強化

26/7/3 9:00

Microsoft(米ワシントン州レドモンド)は、Frost & Sullivanの2026年版「Cloud/Application Runtime Security」分析で、クラウドとアプリケーション実行環境のセキュリティ分野における先進的な事業者として評価されたと発表した。

Google Cloud VS Code連携強化

Google Cloud VS Code連携強化

26/7/3 9:00

Google Cloud(米カリフォルニア州マウンテンビュー)は、VS Code向け「Google Cloud Workbench Notebooks」拡張機能の提供を開始した。

Google 教育AI��活用でNY会議開催

Google 教育AI活用でNY会議開催

26/7/3 9:00

Google(米カリフォルニア州マウンテンビュー)は、ニューヨーク市で教育関係者や産業界のリーダー約150人を集めたAI教育サミットを開催した。

Copyright © 2024 Generatived - All right Reserved.

この記事を共有:

この記事を共有:

Generatived AI Logo

Generatived は、Generative AIに特化した情報やトレンドをお届けするサービスです。大きく変わりゆく世界の情報を全力でお届けします。

  • Facebook
  • X

フォローをお願いします

言語

最新のニュース
NVIDIA、NeMoでLLM向けRL実践法公開

NVIDIA、NeMoでLLM向けRL実践法公開

26/7/3 9:00

NVIDIA(米カリフォルニア州サンタクララ)は、大規模言語モデル(LLM)やAIエージェント向けの強化学習(RL)の実践ガイドを公開した。

Microsoft クラウドAI保護強化

Microsoft クラウドAI保護強化

26/7/3 9:00

Microsoft(米ワシントン州レドモンド)は、Frost & Sullivanの2026年版「Cloud/Application Runtime Security」分析で、クラウドとアプリケーション実行環境のセキュリティ分野における先進的な事業者として評価されたと発表した。

Google Cloud VS Code連携強化

Google Cloud VS Code連携強化

26/7/3 9:00

Google Cloud(米カリフォルニア州マウンテンビュー)は、VS Code向け「Google Cloud Workbench Notebooks」拡張機能の提供を開始した。

Google 教育AI活用でNY会議開催

Google 教育AI活用でNY会議開催

26/7/3 9:00

Google(米カリフォルニア州マウンテンビュー)は、ニューヨーク市で教育関係者や産業界のリーダー約150人を集めたAI教育サミットを開催した。

bottom of page