Skip to main content

fr-analysis

Analyze PyTorch NCCL flight-recorder (FR) dumps to identify collective operation hangs and isolate the responsible ranks using CollectiveAnalyzer. Use when a distributed training job hangs due to an NCCL collective timeout and FR dump files are available. Detects the wavefront process group where collectives diverge and returns the root-cause suspect ranks.

Ir a la instalación

Datos de origen

Repositorio
NVIDIA/nvidia-resiliency-ext
Última actividad en el origen
6 de mayo de 2026 a las 21:26
Idioma detectado de SKILL.md
inglés
Estrellas
324
Forks
64

Opciones de instalación

De forma predeterminada está seleccionado el prompt que primero revisa el origen. Puedes cambiar a un comando directo o descargar una copia local.

Revisa los archivos de origen

Lee SKILL.md y los archivos complementarios que muestra SkillsMP antes de decidir si quieres instalarlo.