[BUG] Confusing machine names in Jenkins CI
Maintainer antworten meist innerhalb von 2 Tagen
Bewertung
- Schwierigkeit
- 3/5
- Geschätzter Aufwand
- 1-2 Tage
- Anfängerfreundlichkeit
- 45/100
Rechercherichtung
Beginne mit .jenkins/metadata.json in Zeile 27 und .jenkins/get_files_to_run.py in den Zeilen 43–45 und untersuche anschließend das im Issue beschriebene CI-Matrix-Mapping. Überprüfe die Beziehung zwischen Label und Shard/WORKER_ID, einschließlich des linux.g5.12xlarge.nvidia.gpu-Runners. Erledigt ist die Aufgabe, wenn Maschinenbenennung und Routing das Multi-GPU-CI-Verhalten konsistent beschreiben, ohne die Tutorial-CI zu beeinträchtigen.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
Add Link
My PR for a new tutorial: https://github.com/pytorch/tutorials/pull/3763/
Describe the bug
THe Jenkins CI has a few hard-coded behaviors that are confusing. The linux.16xlarge.nvidia.gpu label in Jenkins appears to be a legacy label that means "needs multi-GPU". It doesn't describe the actual hardware that is used.
get_files_to_run.py has a hard-coded check for this exact key, which routes it to shard 0. Shard 0 maps to WORKER_ID=1 in the matrix (also confusing), and then shard 1's runner is a linux.g5.12xlarge.nvidia.gpu, not a 16xl.
Reporting this since it resulted in some confusion while getting my CI for my PR to pass. If it were me, the key should be '4-gpu' instead of linux.16xlarge.nvidia.gpu.
Describe your environment
PyTorch tutorial CI
- Vorherrschende Sprache
- Python
- Sterne
- 9.4k
- Forks
- 4.4k
- Ø Merge
- 3 T. 5 Std.
- Gemergte PRs (30 T.)
- 4
Entwicklungsumgebung
Startet den Dev-Container des Projekts im Browser, mit Ihrem eigenen GitHub-Konto.
- Kein Dockerfile und keine Docker-Compose-Datei
- Hat eine Pull-Request-Vorlage
- Beitragsleitfaden lesen
Erste Schritte
- Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
- Forken Sie das Repository und arbeiten Sie in einem Branch.
- Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.
Mehr aus pytorch/tutorials
-
Feedback about Datasets & DataLoadersEvtl. vergeben @hippi345 hat das vor 1 Tag übernommen. Offen
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 62/100
Maintainer antworten meist innerhalb von 2 Tagen
-
💡 [REQUEST] - Add model.eval() after loading the mdoelEvtl. vergeben @Justee21 hat das vor 26 Tagen übernommen. Offen
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 78/100
Maintainer antworten meist innerhalb von 2 Tagen
-
[BUG] Captum tutorial fails when visualize_image_attr() receives None for original_imageEvtl. wieder frei @shubhambhar007 hat das vor 32 Tagen übernommen, und es ist kein Pull Request offen. Offen
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 70/100
pytorch/tutorials#3963 · 1 Kommentar ·
Maintainer antworten meist innerhalb von 2 Tagen
-
[BUG] - Incorrect ResNet18 preprocessing in Captum tutorialEvtl. vergeben @austxu hat das vor 85 Tagen übernommen. Offenbug
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 76/100
Maintainer antworten meist innerhalb von 2 Tagen
-
Feedback about What is torch.nn really?Evtl. vergeben @MichelleHan7 hat das vor 22 Tagen übernommen. Offen
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 78/100
Maintainer antworten meist innerhalb von 2 Tagen
Alle Issues in pytorch/tutorials
Ähnliche Issues
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 72/100
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 76/100
omegaup/omegaup#10353 · 1 Kommentar ·
Maintainer antworten meist innerhalb von 5 Tagen
-
bot-triaged module: LrScheduler module: optimizer triaged
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 70/100
Maintainer antworten meist innerhalb von 1 Tag
-
documentation glm5 llm-model
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 78/100
vllm-project/vllm-ascend#19062 ·
Maintainer antworten meist innerhalb von 1 Tag
-
author-page correction
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 68/100
acl-org/acl-anthology#10496 · 1 Kommentar ·
Maintainer antworten meist innerhalb von 1 Tag