九月产品动态详情

产品迭代说明

1、训练框架和分布式架构做了组合，整合了几种常见的组合，统一叫【框架】，选项为 PyTorch DDP、Tensor Flow PS，SenseParrots、 MPI。其中MPI是一种启动方式，在ACP训练池上支持用户在平台上发起 MPI 的分布式训练任务。 另外训练为单机训练还是多机训练，通过实例的副本数来决定，目前不支持自定义角色。

2、任务列表（作业维度）和worker列表（pod维度）增加如下几项指标：训练网吞吐、NVLINK吞吐、GPU SM设备利用率、GPU温度、GPU功耗。其中训练网吞吐在1个worker占用8卡（整个Node节点）的时候，才会展示训练网吞吐指标。

3、支持国产化芯片沐曦C500，9月份支持单机整节点训练任务，如果有业务资源需求请联系商汤商务。

4、【任务列表】页面 顶部的任务【状态】和【关联集群】 过滤项，挪到表头，和【优先级】效果一致。

5、支持任务批量停止和批量启动操作：控制台新增任务批量停止和批量启动能力；开放对应API。

6、调整任务name和display name的校验规则：对齐云管理平台规范。

SCO迭代说明

1、sco acp支持批量功能：批量启动和批量停止 start/stop

• sco中 sco acp jobs restart废除，新增sco acp jobs start，支持批量启动任务。
• sco中 sco acp jobs stop，支持批量停止任务。

Slurm兼容工具 SCC

1、SCC的下载链接不再依赖SCC的版本号，例如”https://scc.aoss.cn-sh-01.sensecoreapi-oss.cn/v2.9.5/install.sh“ 更改为”https://scc.aoss.cn-sh-01.sensecoreapi-oss.cn/latest/install.sh“。

2、更新了srun的example，适配ACP API v2升级的参数修改。