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
MicrosoftがCopilot契約数発表

MicrosoftがCopilot契約数発表

26/7/31 14:00

Microsoft(米国ワシントン州)は、提供する『Microsoft 365 Copilot』の有料契約数が3,000万件を突破したと発表した模様である。

グループIT推進本部AIマンガ作成

グループIT推進本部AIマンガ作成

26/7/31 14:00

グループIT推進本部(東京)は、AIプログラミング支援ツール「Codex」の活用法を周知するため、学習漫画パッケージを制作したと発表した模様だ。

Open Secure AI Alliance指針公開

Open Secure AI Alliance指針公開

26/7/30 14:00

同団体は、サイバーセキュリティの向上を目指し、エージェント型AIに対応したセキュリティ設計指針の草案を公開したと発表した。

Amazonが機械学習講座5周年

Amazonが機械学習講座5周年

26/7/30 14:00

Amazon(バンガロール)は、インドで実施している機械学習に関する教育プログラム「Machine Learning Summer School」が開始から5周年を迎えたと発表した模様だ。

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
MicrosoftがCopilot契約数発表

MicrosoftがCopilot契約数発表

26/7/31 14:00

Microsoft(米国ワシントン州)は、提供する『Microsoft 365 Copilot』の有料契約数が3,000万件を突破したと発表した模様である。

グループIT推進本部AIマンガ作成

グループIT推進本部AIマンガ作成

26/7/31 14:00

グループIT推進本部(東京)は、AIプログラミング支援ツール「Codex」の活用法を周知するため、学習漫画パッケージを制作したと発表した模様だ。

Open Secure AI Alliance指針公開

Open Secure AI Alliance指針公開

26/7/30 14:00

同団体は、サイバーセキュリティの向上を目指し、エージェント型AIに対応したセキュリティ設計指針の草案を公開したと発表した。

Amazonが機械学習講座5周年

Amazonが機械学習講座5周年

26/7/30 14:00

Amazon(バンガロール)は、インドで実施している機械学習に関する教育プログラム「Machine Learning Summer School」が開始から5周年を迎えたと発表した模様だ。

bottom of page