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
OpenAIが公平で安全なAIのためのモデル仕様を公開

OpenAIが公平で安全なAIのためのモデル仕様を公開

26/3/27 9:00

OpenAIは、AIモデルの期待される動作を定義するための正式なフレームワークである「モデル仕様(Model Spec)」を導入しました。

GMO GPUクラウド新AI計算基盤展開

GMO GPUクラウド新AI計算基盤展開

26/3/27 9:00

GMOインターネット(東京都渋谷区)は、高性能GPUクラウドサービス「GMO GPUクラウド」に「NVIDIA HGX B300」を追加し、2026年3月25日から提供を開始した。

IPconnect生成AI著作権リスク管理システム

IPconnect生成AI著作権リスク管理システム

26/3/27 9:00

IPconnect(東京都千代田区)は、NEDO懸賞金活用型プログラム「GENIAC-PRIZE」の領域3で「みらいビジョン賞」を受賞した。

AndTech PythonとAIの新講座開�始

AndTech PythonとAIの新講座開始

26/3/27 9:00

AndTech(神奈川県川崎市)は、PythonプログラミングとAI、MIを組み合わせた新しい講座を開始する。

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
OpenAIが公平で安全なAIのためのモデル仕様を公開

OpenAIが公平で安全なAIのためのモデル仕様を公開

26/3/27 9:00

OpenAIは、AIモデルの期待される動作を定義するための正式なフレームワークである「モデル仕様(Model Spec)」を導入しました。

GMO GPUクラウド新AI計算基盤展開

GMO GPUクラウド新AI計算基盤展開

26/3/27 9:00

GMOインターネット(東京都渋谷区)は、高性能GPUクラウドサービス「GMO GPUクラウド」に「NVIDIA HGX B300」を追加し、2026年3月25日から提供を開始した。

IPconnect生成AI著作権リスク管理システム

IPconnect生成AI著作権リスク管理システム

26/3/27 9:00

IPconnect(東京都千代田区)は、NEDO懸賞金活用型プログラム「GENIAC-PRIZE」の領域3で「みらいビジョン賞」を受賞した。

AndTech PythonとAIの新講座開始

AndTech PythonとAIの新講座開始

26/3/27 9:00

AndTech(神奈川県川崎市)は、PythonプログラミングとAI、MIを組み合わせた新しい講座を開始する。

bottom of page