关于GCU、沐曦GPGPU、MLU、0卡V100资源4月7日恢复上架的公告>>> 关于共建具身智能开源数据集的倡议>>> 关于云脑任务中统一路径访问方式的公告>>> 关于将启智集群GPU资源迁移至智算集群的公告>>>
zeizei
/
OpenI_Learning
Not watched
58
203
Fork 205
Code
Releases 0 Wiki Activity
Issues 292 Pull Requests 0 Datasets Model Cloudbrain
Issues
/
Detail
Labels Milestones
New Issue

#1071 启智训练任务，节点存储不足【最近经常遇到】，推理好长时间的模型没办法保存结果，浪费算力

Closed
created 10 months ago by daishj · 2 comments
daishj commented 10 months ago

问题描述

启智训练任务，因为节点资源存储不足，导致训练中断

相关环境（GPU/NPU）

GPU

相关集群（启智/智算）

智算

任务类型（调试/训练/推理）

训练

任务名

wmt22_nolora_force2

日志说明或问题截图

image
image

期望的解决方案或建议

定期检查节点资源存储情况，因为节点空间不足，推理好长时间的模型没办法保存结果
假如因为平台的问题导致训练任务失败，希望后续可以补偿算力积分
image

推理好长时间的模型没办法保存结果
推理好长时间的模型没办法保存结果
推理好长时间的模型没办法保存结果
推理好长时间的模型没办法保存结果

<!-- 为了更有效地识别与解决您的问题，请尽可能的补充如下信息 --> ### 问题描述 启智训练任务，因为节点资源存储不足，导致训练中断 ### 相关环境（GPU/NPU） GPU ### 相关集群（启智/智算） 智算 ### 任务类型（调试/训练/推理） 训练 ### 任务名 wmt22_nolora_force2 ### 日志说明或问题截图 ![image](/attachments/25a5ce8d-ca27-4052-a77e-1cf662e84b58) ![image](/attachments/46974290-b5b8-4457-8b3e-76373b432d0d) ### 期望的解决方案或建议 定期检查节点资源存储情况，因为节点空间不足，推理好长时间的模型没办法保存结果 假如因为平台的问题导致训练任务失败，希望后续可以补偿算力积分 ![image](/attachments/1e662860-d884-4320-9d41-175a07c197fc) 推理好长时间的模型没办法保存结果 推理好长时间的模型没办法保存结果 推理好长时间的模型没办法保存结果 推理好长时间的模型没办法保存结果
image.png
65 KiB
image.png
54 KiB
image.png
66 KiB
daishj changed title from 启智训练任务，因为资源利用率低中断[其实平均10%左右] to 启智训练任务，节点存储不足【最近经常遇到】 10 months ago
daishj changed title from 启智训练任务，节点存储不足【最近经常遇到】 to 启智训练任务，节点存储不足【最近经常遇到】，推理好长时间的模型没办法保存结果 10 months ago
daishj changed title from 启智训练任务，节点存储不足【最近经常遇到】，推理好长时间的模型没办法保存结果 to 启智训练任务，节点存储不足【最近经常遇到】，推理好长时间的模型没办法保存结果，浪费算力 10 months ago
liuzx commented 10 months ago
Collaborator

智算分中心的存储已接近用满，社区正在解决，可先使用启智集群资源

智算分中心的存储已接近用满，社区正在解决，可先使用启智集群资源
pwkQiZhi commented 9 months ago

我一般会将训练好的权重保存到本地，然后删除训练任务，在自己的笔记本上做预测

我一般会将训练好的权重保存到本地，然后删除训练任务，在自己的笔记本上做预测
liuzx closed this issue 6 months ago
Sign in to join this conversation.
No Branch/Tag Specified
Clear branch or tag
Branches Tags
Labels
Apply labels
Clear labels
bug
Something is not working dataset
数据集已通过 duplicate
This issue or pull request already exists enhancement
New feature help wanted
Need some help invalid
Something is wrong need review question
More information is needed test wontfix
This won't be fixed 大神经验分享
被平台采纳的用户分享经验贴 开发中
正在开发进行中 待完善
项目待完善后可加分 待确认 评审中 趣开源
精选项目标签 面向社区开发者
No Label
bug
dataset
duplicate
enhancement
help wanted
invalid
need review
question
test
wontfix
大神经验分享
开发中
待完善
待确认
评审中
趣开源
面向社区开发者
Milestone
Set milestone
Clear milestone
No items
No Milestone
Assignees
Assign users
Clear assignees
No Assignees
3 Participants
Notifications
Due Date

No due date set.

Dependencies

This issue currently doesn't have any dependencies.

Write Preview
Loading…
Cancel
Save
There is no content yet.
Delete Branch '%!s(MISSING)'

Deleting a branch is permanent. It CANNOT be undone. Continue?

No
Yes
Please read the following content carefully:

Dear OpenI User

Thank you for your continuous support to the Openl Qizhi Community AI Collaboration Platform. In order to protect your usage rights and ensure network security, we updated the Openl Qizhi Community AI Collaboration Platform Usage Agreement in January 2024. The updated agreement specifies that users are prohibited from using intranet penetration tools. After you click "Agree and continue", you can continue to use our services. Thank you for your cooperation and understanding.

For more agreement content, please refer to the《Openl Qizhi Community AI Collaboration Platform Usage Agreement》

Agree and continue
Disagree, exit