Ajay Hotchandani

Ajay Hotchandani 是 NVIDIA AIData-Infra Optimization 团队的网络和系统软件工程师,专注于优化 AI 软件和硬件堆栈的效率。在加入 NVIDIA 之前,他曾在 Meta、Oracle 和 eInfochips 从事高性能计算和分布式系统方面的工程工作。

Posts by Ajay Hotchandani

数据中心/云端

借助 NVIDIA 身份识别诊断分布式 AI 工作负载故障

在分布式 AI 工作负载中,一个错误就会产生一系列症状。GPU 或网络事件可能会随着其他 rank 上的 NCCL 错误、 3 MIN READ