Z同学

基于容器的nccl-tests测试。包含容器构建，ssh配置，nccl-test测试流程及结果分析。...

asterTransformer 包含 Transformer 块的高度优化版本的实现，其中包含编码器 Encoder 和解码器 Decoder部分。基于 FT 可以运行完...

机器学习平台为算法相关工作者提供基础的开发调度环境，为机器学习各个系统提供集成与接入的能力，为各个机器学习相关子系统形成一套标准化流程提供保障。...

随着AI应用的普及，GPU资源的使用越来越多，如何提高资源利用率降低公司成本很重要，本文主要介绍基于k8s的GPU虚拟化方案。...

k8s集群中的服务需要收集日志，采用fluentd收集容器的日志文件，并通过kafka达到ELK中。...

对于二进制部署的k8s集群，更换过期的认证证书，同时需要保证线上服务不受影响，主要解释证书的相关概念及操作流程。...

基于Prometheus-operator的GPU集群监控，主要监控机器学习平台中训练及推理任务的相关指标。...