官方来源 · AI 辅助摘要
NVIDIA开源Recovery，实现分布式训练自动化恢复
原公告日期 · 本站整理
NVIDIA发布开源工作负载级服务NVIDIA Recovery，属于其DSX OS软件组合，可自动完成集群训练作业的恢复。该服务通过应用日志、GPU指标和调度器信号检测中断，进行故障归因、隔离涉事节点，并从检查点重启工作负载。其Slurm集成以可通过Helm部署的Advisor Controller形式提供，新部署默认处于仅监控模式。NVIDIA称在为期三个月的生产监控中记录到约8550次异常检测。
来源与说明
developer.nvidia.com · 阅读原始来源 ↗
本快讯由自动程序读取官方来源、核查日期并进行 AI 辅助整理；厂商能力声明不代表 YYSI 已完成独立测试。摘要可能存在错误，重要信息请回到原文确认。