标签：time

2026-02-17andy阅读(31)评论(0)

当我们在大规模 GPU 集群上进行分布式训练时，NCCL (NVIDIA Collective Communications Library) 扮演着核心的通信角色。如果训练过程频繁出现 NCCL Time Out 错误，这通常意味着节点间...

2025-12-23andy阅读(106)评论(0)

对于个人站长来说，购买VPS后最担心的问题之一就是“资源超售”（Overcommitment），即物理母机上塞入了过多的虚拟机，导致性能下降，也就是遇到了“吵闹的邻居”（Noisy Neighbors）。由于我们无法直接登录母机查看，因此必...