모델 857건 · 국산 138 · 가격 690 추적 중
MLOps·개발도구

AWS, EKS서 NVRx로 장애 허용 분산 학습 구현

AWS ML Blog·2026-09-16영문 원문

요약

AWS가 Amazon EKS 환경에서 NVIDIA Resiliency Extension(NVRx)을 PyTorch FSDP 학습에 통합해 장애 허용 분산 학습을 구현하는 방법을 블로그로 공개했다. 비동기 체크포인트로 I/O와 학습을 병행하고, 인프로세스 재시작으로 컨테이너를 건드리지 않고 소프트 장애를 복구하며, ft_launcher로 하드 크래시 시 워커를 자동 재생성하는 3단계 복구 계층을 소개했다. 동기 체크포인트가 전체 대기 시간의 최대 40%를 차지했다고 설명했다. p5.48xlarge H100 GPU 노드와 Amazon FSx for Lustre 공유 스토리지를 활용해 2~8노드 규모에서 벤치마크를 수행했다.

큐레이터 노트

원문에 없는 맥락입니다

대규모 분산 학습에서는 장애가 통계적으로 불가피하다는 전제 아래, 체크포인트 I/O 대기와 복구 시간을 줄이는 것이 GPU 시간 낭비를 막는 실질적 방법이라는 점을 보여주는 기술 사례다.

다른 매체는 이렇게 썼다

같은 사안을 다룬 다른 곳의 보도입니다

세종대, IoT에 AI 모델·데이터 관리 국제표준 개발
전자신문 SW · 2026-11-03

세종대학교가 IoT 국제표준 '원 M2M'에 AI 기술을 접목하는 표준화 연구로 2026년 AIoT 어워드 표준 부문 한국정보통신기술협회장상을 받았다. 세종대는 IoT 플랫폼에서 AI 모델과 학습 데이터를 관리하기 위한 국제표준 개발을 추진해왔다. 기술보고서 'TR-0068'에서 AI와…

이 사안의 흐름

같은 주제를 다룬 이 사이트의 기록 — 최신순

이 글에 나온 말

용어집 전체 →
벤치마크
AI 모델의 성능을 정량적으로 측정하고 서로 비교할 수 있도록 표준화한 평가용 문제 집합과 채점 기준을 말한다.
학습
학습은 모델이 데이터를 반복적으로 살펴보며 예측 오차를 줄이는 방향으로 내부 파라미터를 조정해 나가는 과정을 말한다.

이 분야 브리핑

여러 매체가 함께 다룬 사안을 한 번에

이 페이지는 원문을 요약·재서술하고 이 사이트가 쌓은 기록을 덧붙인 큐레이션입니다. 원문 본문은 싣지 않으며, 수치와 표기는 원문 기준을 유지했습니다.

AWS ML Blog 원문 전체 보기 →

같은 분야의 다른 소식

전체 뉴스 →