Volcano机制
-
Volcano Gang Scheduling 机制详解:All-or-Nothing 分配策略在分布式训练中的死锁预防与资源碎片优化实践
分布式训练的“调度噩梦”:为什么默认 K8s 调度器不够用? 在大规模语言模型或视觉多模态训练中,数据并行(DDP)、张量并行(TP)与流水线并行(PP)已成为标配。这类任务具有一个致命特征: 强同步屏障 。以 PyTorch DDP...