@OpenGradient Pasek postępu cofnął się i to zmieniło to, na co patrzyłem

Podczas testowania OpenGradient odkryłem coś, co było naprawdę ciekawsze niż przesyłanie plików.

Jeden z węzłów po prostu przestał działać.

Klient spróbował ponownie. Pasek postępu naprawdę cofnął się. Nie cofnął się zbyt dużo. Było wystarczająco, żebym przestał patrzeć na przesyłanie i zaczął obserwować ruch w sieci.

Myślałem, że trudną częścią będzie przechowywanie modelu. To dlatego, że większe pliki potrzebują mocy obliczeniowej, więcej sprzętu i większej infrastruktury. To wydaje się proste.

To, co naprawdę przykuło moją uwagę, to wszystko, co działo się wokół przechowywania modelu.

Większość systemów nie pokazuje, kiedy coś idzie nie tak. Jeśli coś się psuje, nie widzisz tego lub dostajesz ogólny komunikat o błędzie. Tutaj próba klienta ponownie pokazała mi coś innego. Sieć wciąż próbowała znaleźć sposób na działanie, kiedy jedna jej część przestała działać.

To sprawia, że się zastanawiam.

Kiedy ludzie mówią o OpenGradient i zdecentralizowanej infrastrukturze AI, czy myślą o warunkach, czy o rzeczywistych warunkach?

Sieć nie jest dobra, gdy każdy węzeł działa perfekcyjnie. Sieć jest dobra, gdy jeden węzeł przestaje działać lub gdy zajmuje czas, aby uzyskać odpowiedź, lub gdy dane przychodzą w złej kolejności.

Ciekawe jest to, że klient spróbował ponownie. Ciekawe jest to, że OpenGradient wydaje się być zaprojektowany z myślą, że będzie musiał próbować

Może to jest problem.

Nie przechowywanie modelu. Radzenie sobie z momentami, kiedy sieć przypomina ci, że jest siecią.
#OPG @OpenGradient $OPG $LAB $NES