扫一扫 扫一扫
百度集合通信库 BCCL:专为大模型训练优化,万卡集群快速定位故障

百度集合通信库 BCCL:专为大模型训练优化,万卡集群快速定位故障

2024-10-19

1集合通信对分布式训练至关重要在分布式训练中,每一块 GPU 只负责处理部分模型或者数据。集群中不同 GPU 之间通过集合通信的方式,完成梯度同步和参数更新等操作