跨国深谈← 返回←checkpoint

集里怎么说它

• 《GPU 坏了，训练不用停：Crusoe 的自愈式训练平台》(11:17起):本集说进程被终止前收到 sigterm 有两分钟宽限期保存 checkpoint,节点替换后作业自动重新排队、加载 checkpoint 从断点恢复训练。

① 提到它的金句

1 条

以 Claude 为例,第一个 Claude checkpoint 实际上早在一年前就已经完成了。
In the case of Claude, the first Claude checkpoint was actually done a year
—— Anjney Midha · [18:20]

指向原始笔记的链接

② 出现在这些集

1 集

• 《GPU 坏了，训练不用停：Crusoe 的自愈式训练平台》 — 作为概念

③ 关联

点进去有真内容 —— 本页主要出口

Young · Nikhil · Connor · Crusoe · Slurm · Kubernetes · AutoClusters · Crusoe Managed Slurm · GPU 故障 · 多节点训练