原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本公开涉及一种针对模型训练任务的异常处理系统、集群、设备和介质，所述系统包括：控制进程以及至少两个管理进程；任一pod中的管理进程被配置为执行：在接收到模型训练任务发生异常的告警信息的情况下，暂停pod中的训练进程并执行预设的硬件设施检查任务，得到检查结果；在检查结果指示训练节点的硬件设施故障的情况下，将故障的训练节点的节点信息发送至控制进程；控制进程被配置为执行：根据管理进程发送的节点信息，在集群中的正常节点中创建pod，以使用正常节点中的训练进程执行故障的训练节点的训练进程所执行的子任务。本
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117407219A
(43)申请公布日2024.01.16
(21)申请号202311414095.7
(22)申请日2023.10.27
(71)申请人上海商汤科技开发
文档评论（0）