检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
allocated memory try setting max_split_size_mb to avoid fragmentation. 解决方法： 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参
allocated memory try setting max_split_size_mb to avoid fragmentation. 解决方法： 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参
package - torch.distributed — PyTorch 2.3 documentation 父主题： 常见错误原因和解决方法
package - torch.distributed — PyTorch 2.3 documentation 父主题： 常见错误原因和解决方法
package - torch.distributed — PyTorch 2.3 documentation 父主题： 常见错误原因和解决方法
allocated memory try setting max_split_size_mb to avoid fragmentation. 解决方法 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数
package - torch.distributed — PyTorch 2.3 documentation 父主题： 常见错误原因和解决方法
package - torch.distributed — PyTorch 2.3 documentation 父主题： 常见错误原因和解决方法
allocated memory try setting max_split_size_mb to avoid fragmentation. 解决方法 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数
附录：工作负载Pod异常问题和解决方法 Pod状态为Pending 当Pod状态长时间为“Pending”，事件中出现“实例调度失败”的信息时，可根据具体事件信息确定具体问题原因。 图1 pod状态pending 通过以下命令打印Pod日志信息。 kubectl describe
原因。具体参考链接为工作负载状态异常定位方法。 通过以下命令打印Pod日志信息。 kubectl describe pod ${pod_name} volcano资源调度失败 当volcano的资源出现争抢时，会出现下图中的问题。 解决方法： 通过打印所有Pod的信息，并找到命名有scheduler字段的Pod。
allocated memory try setting max_split_size_mb to avoid fragmentation. 解决方法： 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参
allocated memory try setting max_split_size_mb to avoid fragmentation. 解决方法： 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参
allocated memory try setting max_split_size_mb to avoid fragmentation. 解决方法： 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参
package - torch.distributed — PyTorch 2.3 documentation 父主题： 常见错误原因和解决方法
package - torch.distributed — PyTorch 2.3 documentation 父主题： 常见错误原因和解决方法
Gallery仓库的存储空间。 在AI应用详情页，选择“设置”页签。 确认AI应用状态是否为“运行中”。 是，则在“运行资源设置”处，单击“暂停”，停止AI应用再执行下一步。 否，则执行下一步。 在“删除AI应用”处，单击“删除AI应用”按钮，确认后AI应用将被删除。 删除操作不可
package - torch.distributed — PyTorch 2.3 documentation 父主题： 常见错误原因和解决方法
package - torch.distributed — PyTorch 2.3 documentation 父主题： 常见错误原因和解决方法
allocated memory try setting max_split_size_mb to avoid fragmentation. 解决方法： 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
