谷歌把机房维修交给图基础模型:GPU停机时间降18.3%,新硬件上线提前四个月
谷歌部署的HardwareDx把数据中心机器维修从按平台手工维护的评分规则,改为在物理硬件拓扑图上预训练的基础模型,一个模型可跨GPU与TPU平台诊断故障部件并给出维修动作。生产A/B测试中,H100平台平均修复时间下降18.3%,TPU平台下降16.1%;新平台借助迁移学习可在硬件正式上市前达到生产可用。
谷歌部署的HardwareDx把数据中心机器维修从按平台手工维护的评分规则,改为在物理硬件拓扑图上预训练的基础模型,一个模型可跨GPU与TPU平台诊断故障部件并给出维修动作。生产A/B测试中,H100平台平均修复时间下降18.3%,TPU平台下降16.1%;新平台借助迁移学习可在硬件正式上市前达到生产可用。
已读完全部报道