Skip to main content

distributed-hang-diagnosis

النجوم٦
التفرعات٥
آخر تحديث٢٠ يوليو ٢٠٢٦ في ١١:٥٣

Reference for PyTorch distributed training hang patterns, NCCL communicator architecture, flight recorder output format, debug logging levels, and timeout configuration. Covers barrier deadlocks, p2p hangs after communicator abort, init timeouts from store, collective mismatches, and DDP unused parameter hangs. Includes ARCHITECTURE.md with source-level ProcessGroupNCCL internals (communicator lifecycle, watchdog, work queue, store-based init). Use as knowledge base for diagnosing why distributed training freezes.

التثبيت

التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.

مستكشف الملفات
2 ملفات
SKILL.md
readonly