तकनीकी गाइड
एआई प्रशिक्षण समूहों के लिए स्लम
स्लम एक ओपन-सोर्स वर्कलोड मैनेजर है जो उच्च-प्रदर्शन कंप्यूटिंग क्लस्टर पर नौकरियों को शेड्यूल और चलाता है, और यह बड़े एआई प्रशिक्षण के लिए एक डिफ़ॉल्ट विकल्प बन गया है।
इस गाइड को सुनेंएआई-नैरेटेड · ~2 min
इस पृष्ठ पर2 मिनट लाल
सिंहावलोकन
It matters because it reliably distributes massive training runs across thousands of GPUs.
गहरा गोता
स्लर्म (संसाधन प्रबंधन के लिए सरल लिनक्स उपयोगिता) की उत्पत्ति सुपरकंप्यूटिंग में हुई और अब यह दुनिया के कई सबसे बड़े एआई प्रशिक्षण समूहों को शक्ति प्रदान करता है। उपयोगकर्ता sbatch के साथ बैच स्क्रिप्ट सबमिट करते हैं, --gres=gpu:8 जैसे निर्देशों के साथ नोड्स और GPU जैसे संसाधनों का अनुरोध करते हैं, और स्लम क्यू, प्राथमिकता देते हैं और काम लॉन्च करते हैं। इसका स्रन लॉन्चर नोड्स में समन्वित प्रक्रियाओं को जन्म देता है, जो स्वाभाविक रूप से PyTorch DDP और NCCL जैसे वितरित ढांचे के साथ जुड़ता है। स्लम संसाधन लेखांकन को ट्रैक करता है, उचित-शेयर और विभाजन सीमाओं को लागू करता है, और छोटी नौकरियों को अंतराल में स्लॉट करने के लिए बैकफ़िल शेड्यूलिंग को संभालता है। फ्रंटियर मॉडल प्रशिक्षण के लिए, टीमें हजारों जीपीयू का प्रबंधन करने, नोड विफलताओं के बाद चौकियों से पुनः आरंभ करने और लंबे बहु-सप्ताह रन के लिए समर्पित क्षमता आरक्षित करने के लिए स्लर्म पर भरोसा करती हैं।
वास्तविक विश्व कार्यान्वयन
एक फ्रंटियर लैब ने सैकड़ों नोड्स का अनुरोध करने वाली एकल स्बैच स्क्रिप्ट के साथ हजारों जीपीयू में एक बहु-सप्ताह का प्रशिक्षण शुरू किया है।
एक शोधकर्ता PyTorch DDP प्रयोग के लिए एक नोड पर आठ GPU प्राप्त करने के लिए 'srun --gres=gpu:8' सबमिट करता है।
बैकफ़िल शेड्यूलिंग एक संक्षिप्त मूल्यांकन कार्य को निष्क्रिय GPU में स्लॉट करता है जबकि एक बड़ा आरक्षित प्रशिक्षण रन शुरू होने की प्रतीक्षा करता है।
एक नोड मध्य-रन में विफल होने के बाद, स्लर्म को कार्य की आवश्यकता होती है और यह फिर से शुरू करने के बजाय नवीनतम चेकपॉइंट से फिर से शुरू होता है।
एआई प्रशिक्षण समूहों के लिए स्लम का भविष्य
स्लम ने क्लाउड-विस्फोट, पाइक्सिस और एनरूट के माध्यम से कंटेनर समर्थन और सख्त जीपीयू-जागरूक सुविधाओं को जोड़ना जारी रखा है। जैसे-जैसे एआई क्लस्टर 100,000 से अधिक जीपीयू की ओर बढ़ते हैं, मजबूत दोष सहनशीलता, स्वचालित चेकपॉइंट-रीस्टार्ट एकीकरण और विफलताओं के बाद आकार बदलने वाली लोचदार नौकरियों की अपेक्षा करते हैं। कई संगठन अब कुबेरनेट्स के साथ या उसके नीचे स्लम चलाते हैं, और हाइब्रिड शेड्यूलर्स का लक्ष्य बड़े प्रशिक्षण रन के लिए एचपीसी-शैली दक्षता को क्लाउड-नेटिव लचीलेपन के साथ जोड़ना है।
इसे व्यवहार में लाना
यह क्यों मायने रखता है?
- लागत और बजट. वास्तुकला संबंधी निर्णय वर्षों तक प्रदर्शन और परिचालन लागत को संचालित करते हैं।
- स्पष्ट निर्णय. तकनीकी शिक्षा टीमों को सही स्टैक चुनने में मदद करती है, न कि केवल नवीनतम स्टैक चुनने में।
- गुणवत्ता नियंत्रण. बेहतर इंजीनियरिंग विकल्प उत्पादन में विश्वसनीयता की घटनाओं को कम करते हैं।
का ध्यान रखें
- एक बेंचमार्क को अनुकूलित करने से व्यापक सिस्टम कमजोरियों को छुपाया जा सकता है।
- बुनियादी ढांचे और रखरखाव की लागत को अक्सर कम करके आंका जाता है।
- जैसे-जैसे सिस्टम अधिक जटिल होते जाएंगे सुरक्षा और अवलोकन संबंधी अंतराल बढ़ सकते हैं।
अगले चरण
- कार्यान्वयन से पहले विलंबता, गुणवत्ता और लागत लक्ष्य परिभाषित करें।
- यथार्थवादी लोड और डेटा स्थितियों के तहत बेंचमार्क।
- त्रुटियों, बहाव और उपयोगकर्ता प्रभाव के लिए उपकरण निगरानी।
- स्केलिंग से पहले रोलबैक और घटना प्रतिक्रिया पथ तैयार करें।
अन्वेषण करते रहें
मुफ़्त न्यूज़लेटर
दैनिक एआई ब्रीफिंग प्राप्त करें
हर कार्यदिवस की सुबह तीन सत्यापित एआई कहानियाँ, सादे अंग्रेजी में लिखी गईं। हमेशा के लिए मुफ़्त, कोई विज्ञापन नहीं।
प्रत्येक सप्ताह के दिन एक ईमेल. एक क्लिक में सदस्यता समाप्त करें. हम आपका पता कभी नहीं बेचते या साझा नहीं करते।
स्वयं की जांच करो
Take the Slurm for AI Training Clusters quiz
प्रत्येक उत्तर पर त्वरित प्रतिक्रिया, और पाठ्यक्रम पास करने के बाद एक सत्यापन योग्य आईडी के साथ एक साझा करने योग्य प्रमाणपत्र।
निःशुल्क एआई शिक्षा का समर्थन करें। AI Understanding एक 501(c)(3) गैर-लाभकारी संस्था है - कोई विज्ञापन नहीं, कोई पेवॉल नहीं। दान करें
अक्सर पूछे जाने वाले प्रश्नों
What is Slurm for AI Training Clusters?
स्लम एक ओपन-सोर्स वर्कलोड मैनेजर है जो उच्च-प्रदर्शन कंप्यूटिंग क्लस्टर पर नौकरियों को शेड्यूल और चलाता है, और यह बड़े एआई प्रशिक्षण के लिए एक डिफ़ॉल्ट विकल्प बन गया है। यह मायने रखता है क्योंकि यह हजारों जीपीयू में बड़े पैमाने पर प्रशिक्षण वितरित करता है।
स्लरम में बैच जॉब सबमिट करने के लिए उपयोगकर्ता आमतौर पर किस कमांड का उपयोग करते हैं?
sbatch एक बैच स्क्रिप्ट सबमिट करता है जो स्लम कतार में किसी कार्य के लिए संसाधनों और आदेशों का वर्णन करता है।
स्लम जॉब जीपीयू का अनुरोध कैसे करता है?
जेनेरिक रिसोर्स (जीआरईएस) प्रणाली नौकरियों को स्पष्ट रूप से जीपीयू का अनुरोध करने देती है, उदाहरण के लिए --gres=gpu:8।
कौन सा स्लम घटक केंद्रीय शेड्यूलिंग निर्णय लेता है?
slurmctld नियंत्रक डेमॉन है जो नौकरियों को शेड्यूल करता है, जबकि slurmd कार्यों को लॉन्च करने के लिए प्रत्येक नोड पर चलता है।
Why can srun help launch distributed training tasks inside a Slurm allocation?
srun launches task steps in the allocation and exposes Slurm task information; distributed frameworks may still require explicit rendezvous settings.
स्लम में बैकफ़िल शेड्यूलिंग का उद्देश्य क्या है?
बैकफ़िल छोटी नौकरियों को शेड्यूलिंग अंतराल में फिट करके उपयोग में सुधार करता है जब तक कि वे आरक्षित नौकरियों को पीछे नहीं धकेलते।
सीखते रहो
संबंधित मार्गदर्शिकाएँ
इस विषय के लिए अधिक मार्गदर्शिकाएँ चुनी गईं