Ashwin Poojary

Ashwin Poojary 是 NVIDIA 的工程总监,他带领团队专注于 AI 平台和基础设施弹性。在加入 NVIDIA 之前,Ashwin 曾在 Twitter 管理大规模基础设施,此前他曾在 Facebook、Google、Juniper Networks 和 Alcatel-Lucent 担任过多个职位。

Posts by Ashwin Poojary

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
数据中心/云端

借助自动工作负载恢复保持分布式训练的运行

随着分布式 AI 训练的扩展,硬件和软件依赖项之间的故障会越来越多地干扰训练进程,因此快速、可靠的恢复至关重要。 2 MIN READ