NVIDIA Developer (Technical Blog) · Ashwath Aithal · Eric Harper · Santosh Bhavani · Yan Xu · Zhiyu Li
Scale Bitwise-Deterministic Pretraining with NVIDIA Megatron Core
理解大规模预训练中位级确定性的含义与收益,并掌握验证、定位与修复不确定性的实用工作流。
Developer
- 难度
- 见前置条件
- 形式
- 文章
- 语言
- en
- 规模
- 1 个课节
- 内容费用
- 免费
- 动手
- 打开即可学习
使用限制
阅读文章无需账号;动手复现排查流程需自备多 GPU 训练环境。
- 练习与作业
- 复现指纹比对与 trace 定位需要多 GPU 训练环境(文中案例为数千张 GPU,可用小规模替代)
选择学习环境
浏览器或在线环境
先通读正文理解两种确定性保证,再按“验证—定位—排除误报”的顺序学习排查流程;节选内容在‘排除误报’一节处截止。
阅读无需安装任何软件;若想复现文中流程,需要能运行 Megatron Core 的多 GPU 环境(原站未说明具体配置要求)。
准备工具和账号
标“选用”的可以跳过。
- 浏览器阅读文章正文
- Megatron Core User Guide 选用查支持配方与确定性相关文档
- Megatron-LM PR #7262 选用查看文中所述 fingerprint 工作流实现
让 AI Agent 一次搭好课程
复制开课提示词发给你常用的 AI Agent。它会下载允许保存的官方材料、建立课节目录并自检;需要账号、权限或费用时会先问你。
开课提示词 · 只需用一次此提示词尚未实测验证请帮我把「Scale Bitwise-Deterministic Pretraining with NVIDIA Megatron Core」的学习环境一次准备好,让我之后只需要按顺序学习和做练习。 开始前先问我:课程放在哪个目录(等我给出完整路径),确认我的操作系统和已有工具。确认前不要创建文件或安装软件。 课程入口:https://developer.nvidia.com/blog/scale-bitwise-deterministic-pretraining-with-nvidia-megatron-core/ 我的系统:Windows。如果实际不符,先调整方案。 本次路线:浏览器或在线环境。只准备这条路线需要的工具;只读路线不安装运行环境、不配置模型密钥。 练习:文中给出了指纹比对、分层 trace 与 torch.hash_tensor 的具体做法,可在自己的多 GPU 训练任务上做小规模配对运行实验;千卡级复现成本极高,不建议按原文规模尝试。 课节(官方顺序): 1. Scale Bitwise-Deterministic Pretraining with NVIDIA Megatron Core:https://developer.nvidia.com/blog/scale-bitwise-deterministic-pretraining-with-nvidia-megatron-core/ 1. 环境 - 浏览器(在线阅读,无需安装) - 复现实践时需 Megatron Core 与多 GPU 环境(原站未说明具体版本与配置) - 安装前先列出要装的软件和命令,等我同意;已装好的直接复用。 2. 材料 - 官方课程页面:只记录链接 https://developer.nvidia.com/blog/scale-bitwise-deterministic-pretraining-with-nvidia-megatron-core/ 3. 目录(最外层放在我确认的位置) megatron-core-bitwise-determinism/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课:读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.md # 环境自检,按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹:notes.md + exercises/ └── 01-01-scale-bitwise-deterministic-pretraining-with/ - 每课文件夹里建 notes.md(顶部写本课官方链接)和 exercises/;课节文件夹名称与上面一致。 - 已有课程目录先检查并复用;不覆盖笔记、作业或 progress.md,不重置已有进度。尚未发布的课节保留入口并注明未发布,不能代写讲义或虚构练习。 4. 自检 - 创建 check-env.md,逐项检查并记录“通过/未通过”: - 按浏览器或在线 notebook 清单检查,不为自检安装本机终端。 - 打开文章页面,确认 “What is bitwise determinism?”、“How to verify determinism”、“How to fix determinism when it breaks” 三节均可读 → 三节正文完整显示,无登录或付费提示 - 打开 https://docs.nvidia.com/megatron-core/developer-guide/latest/index.html → 能正常进入 Megatron Core 开发者指南首页 - 标注为人工检查、浏览器操作或 notebook 单元的项目,按相应方式操作,不直接粘贴进 shell;脚本只包含当前系统可执行的命令。 - 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项;需要登录、付费或尚未开放的材料记为“需要我操作/未验证”,不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。 - 运行一次,把结果给我看;未通过的项目说明原因和修复办法。 5. 学习计划 - README.md:课程入口、课节清单(带链接)、每次学习怎么开始(使用“每课提示词”)。 - progress.md:每课三项勾选——读讲义、做练习、记笔记。 6. 最后分三部分汇报:已完成、需要我自己操作的、尚未验证的。 边界: - 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。 - 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。 如果你不能直接操作我的文件系统,请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。搭好后的课程目录
megatron-core-bitwise-determinism/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课:读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.md # 环境自检,按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹:notes.md + exercises/ └── 01-01-scale-bitwise-deterministic-pretraining-with/
来源与使用须知
- 收录时间
- 本站首次收录 2026-10-20
- 指南参考
- 课程主页
版权与转载
- 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。