axin
2025-04-24
👉点击这里申请火山引擎VIP帐号，立即体验火山引擎产品>>>问题描述centos7.9系统中部署k8s，然后通过Nvidia GPU operator的方式运行Nvidia驱动，发现pod一直不能处于ready状态。问题分析查看Nvidia driver pod event无法获取有用信息，通过查看pod日志收集到以下信息。 问题...
axin
2025-04-24
👉点击这里申请火山引擎VIP帐号，立即体验火山引擎产品>>>本文介绍如何配置、使用火山引擎提供的秒级监控功能。说明本功能正在邀测中，如需试用，请联系客户经理申请。操作场景在LLM（Large Language Model，大规模语言模型）训练场景中，常使用TP（Tensor Parallelism）/PP（Pipeline Parallel...
axin
2025-04-23
👉点击这里申请火山引擎VIP帐号，立即体验火山引擎产品>>>NCCL Tuner Plugin是用于优化NCCL性能的插件，本文介绍如何在gni3cg实例中通过Tuner Plugin优化NCCL通信性能。关键组件关键组件说明实例实例规格：NCCL Tuner Plugin支持以下8卡规格的机型在单机状态下进行allreduce通信。规格详...
axin
2025-04-23
👉点击这里申请火山引擎VIP帐号，立即体验火山引擎产品>>>本文主要介绍如何在Docker环境中进行端到端单机/多机GPT训练来判断GPU性能是否达标。背景信息在处理GPU性能问题时，如果执行了HostDiagnose、Easy_NCCL等操作后仍无法定位到异常或者需要模拟真实业务场景时，您可以通过端到端单机/多机GPT训练，模拟用户真实业...
axin
2025-04-23
👉点击这里申请火山引擎VIP帐号，立即体验火山引擎产品>>>本文主要介绍如何简便验证高性能计算GPU实例的NCCL性能，节省了依赖安装、编译、配置端口、免密等繁琐步骤。NCCL（Nvidia Collective multi-GPU Communication Library，读作 "Nickel"）是一个提供GPU间通...
axin
2025-04-23
👉点击这里申请火山引擎VIP帐号，立即体验火山引擎产品>>>本文介绍如何在高性能计算GPU实例上搭建Slurm计算集群。概述什么是SlurmSlurm（Simple Linux Utility for Resource Management）是一个开源、容错和高度可扩展的集群管理和作业调度系统，适用于大型和小型Linux集群。Slurm的运...
axin
2025-04-23
👉点击这里申请火山引擎VIP帐号，立即体验火山引擎产品>>>本文介绍如何为高性能计算GPU实例手动配置NCCL，从而避免RDMA网络断链，影响业务正常运行。NCCL简介NCCL（Nvidia Collective Communication Library）是NVIDIA的集合通信库，可以在实例内或实例间实现多个GPU的快速通信。操作步骤C...
axin
2025-04-23
👉点击这里申请火山引擎VIP帐号，立即体验火山引擎产品>>>本文介绍如何部署Stable Diffusion WebUI工具前端和Stable Diffusion训练模型，实现高质量AI图片生成，掌握整个AI作画推理流程及关键参数对图片输出的影响。AIGC简介AIGC（AI generated content）是一种利用AI技术自动生成内容...
axin
2025-04-23
👉点击这里申请火山引擎VIP帐号，立即体验火山引擎产品>>>本文介绍如何部署Stable Diffusion WebUI工具前端和Stable Diffusion训练模型，实现高质量AI图片生成，掌握整个AI作画推理流程及关键参数对图片输出的影响。AIGC简介AIGC（AI generated content）是一种利用AI技术自动生成内容...
axin
2025-04-23
👉点击这里申请火山引擎VIP帐号，立即体验火山引擎产品>>>本文介绍如何在Linux实例上部署Pytorch应用。Pytorch简介PyTorch是一个开源的Python机器学习库，用于自然语言处理等应用程序，不仅能够实现强大的GPU加速，同时还支持动态神经网络。软件版本操作系统：本文以Ubuntu 18.04为例。NVIDIA驱动：GPU...
业务访问延迟高？300M独享BGP带宽物理服务器提升用户体验
2026-04-01
