行业与实践 · 标签「火焰图」

研究与基准测试/2026-07-23/6 分钟

栈不一致就是局部挂起：百度用火焰图看训练 Hang

百度智能云百舸文档更新于 2026-07-23。Hang 检测先看日志迭代间隔，再到阈值后再看调用栈和进程 IO。只支持 PyTorch 和整机 GPU。案例里 8 机 64 卡的 rank 40 到 47 栈不一样，进程处于 disk-sleep。