Diagnosticar fallos de cargas de trabajo de IA distribuidas con NVIDIA Attribution
Según NVIDIA Developer. NVIDIA lanzó como código abierto NVIDIA Attribution para correlacionar registros, métricas y estado del programador en cargas de trabajo de IA.
- • NVIDIA Attribution es un sistema de atribución de fallos centrado en cargas de trabajo y de código abierto.
- • El sistema incluye el Attribution Service con una API REST y el orquestador de referencia Attribution Blueprint en Python.
- • El proceso de atribución abarca cuatro etapas desde la delimitación del alcance hasta la devolución de un resultado estructurado.
Componentes del Sistema
NVIDIA Attribution correlaciona registros, métricas, telemetría y estado del programador con ámbito de carga de trabajo para generar un diagnóstico estructurado que incluye resultado, causa raíz, nodos afectados, síntomas de apoyo y un rastro de evidencia. Funciona a través de dos componentes desplegables: Attribution Service y Attribution Blueprint.
Etapas de Atribución
El camino de atribución consta de cuatro etapas: delimitar la carga de trabajo, recopilar observaciones, extraer y correlacionar eventos mediante reglas deterministas, y devolver un resultado estructurado con el estado terminal y el dominio atribuido. El Blueprint incluye conectores para Slurm, Kueue y entradas estáticas.
- 1. developer.nvidia.comAbrir fuente