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
リーガルテック無形資産量産AI刷新

リーガルテック無形資産量産AI刷新

26/1/28 9:00

リーガルテック(東京都港区)は、企業の無形資産の量産体制を強化するため、「発明ドラフト生成AI」を刷新したと発表した。

みんなのコードAI教育効果研究公表

みんなのコードAI教育効果研究公表

26/1/28 9:00

みんなのコード(神奈川県横浜市)が提供する「プログルラボ みんなで生成AIコース」のデータを基にした研究が、日本教育工学会の報告集に掲載された。

MONO BRAIN AIセキュリティ強化β版開始

MONO BRAIN AIセキュリティ強化β版開始

26/1/28 9:00

MONO BRAIN(東京都渋谷区)は、AIサプライチェーンセキュリティプラットフォーム「MODEL SAFE」にAIの変更やリスクを自動で可視化する機能を開発し、β版の事前登録を開始した。

Athena ISO/IEC 27001認証取得発表

Athena ISO/IEC 27001認証取得発表

26/1/28 9:00

Athena(東京都文京区)は、国際規格「ISO/IEC 27001」の認証を取得したと発表した。

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
リーガルテック無形資産量産AI刷新

リーガルテック無形資産量産AI刷新

26/1/28 9:00

リーガルテック(東京都港区)は、企業の無形資産の量産体制を強化するため、「発明ドラフト生成AI」を刷新したと発表した。

みんなのコードAI教育効果研究公表

みんなのコードAI教育効果研究公表

26/1/28 9:00

みんなのコード(神奈川県横浜市)が提供する「プログルラボ みんなで生成AIコース」のデータを基にした研究が、日本教育工学会の報告集に掲載された。

MONO BRAIN AIセキュリティ強化β版開始

MONO BRAIN AIセキュリティ強化β版開始

26/1/28 9:00

MONO BRAIN(東京都渋谷区)は、AIサプライチェーンセキュリティプラットフォーム「MODEL SAFE」にAIの変更やリスクを自動で可視化する機能を開発し、β版の事前登録を開始した。

Athena ISO/IEC 27001認証取得発表

Athena ISO/IEC 27001認証取得発表

26/1/28 9:00

Athena(東京都文京区)は、国際規格「ISO/IEC 27001」の認証を取得したと発表した。

bottom of page