RU

Под с GPU не лечится рестартом: устраиваем отказ устройства в кубере и чиним без вечного Pending

В 2024 году была опубликована интересная статья , в которой описано, как за 54 дня обучения Llama 3 405B кластер Meta из 16 384 карт H100 пережил 41…

vk cloudkubernetesgpudradevice pluginpod failurependingtaintsresourceclaimотказоустойчивость
Habr
RU

Под с GPU не лечится рестартом: устраиваем отказ устройства в кубере и чиним без вечного Pending

В 2024 году была опубликована интересная статья , в которой описано, как за 54 дня обучения Llama 3 405B кластер Meta из 16 384 карт H100 пережил 41…

vk cloudkubernetesgpudradevice pluginpod failurependingtaintsresourceclaimотказоустойчивость