本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 发行说明
<a name="sagemaker-eks-checkpointless-release-notes"></a>

请参阅以下版本说明，了解 SageMaker HyperPod 无检查点培训的最新更新。

** SageMaker HyperPod 无检查点训练 v1.0.1**

日期：2026 年 4 月 10 日

**错误修复**
+ 修复了错误处理线程中错误的 CUDA 设备绑定。现在，故障处理线程通过使用`LOCAL_RANK`正确设置 CUDA 设备上下文。此修复可防止在进程内故障恢复期间出现设备不匹配错误。

** SageMaker HyperPod 无检查点训练 v1.0.0**

日期：2025 年 12 月 3 日

**SageMaker HyperPod 无检查点训练功能**
+ **集体通信初始化改进**：提供新颖的初始化方法，Rootless 以及适用于 NCCL 和 Glo TCPStoreless o 的初始化方法。
+ **内存映射 (MMAP)** Dataloader：缓存（保留）预取的批次，这样即使故障导致训练作业重新启动，这些批次也可用。
+ **Checkpointles** s：通过进行框架级优化，可以更快地从大规模分布式训练环境中的集群训练错误中恢复
+ 基@@ **于 Nvidia Nemo 和 PyTorch Lightning 构建**：利用这些强大的框架进行高效、灵活的模型训练
  + [Nividia NeMo](https://github.com/NVIDIA-NeMo/NeMo)
  + [PyTorch 闪电](https://lightning.ai/docs/pytorch/stable/)

**SageMaker HyperPod 无检查点训练 Docker 容器**

无检查点训练建立 HyperPod 在 [NVIDIA NeMo ](https://docs.nvidia.com/nemo-framework/user-guide/latest/overview.html) 框架之上。 HyperPod checkpointless 训练旨在通过进行框架级优化，更快地从大规模分布式训练环境中的集群训练错误中恢复，这些优化将在包含带有 NCCL 和优化的基础映像的基础容器上交付。 PyTorch 

**可用性**

目前，图片仅在以下版本中可用：

```
eu-north-1
ap-south-1
us-east-2
eu-west-1
eu-central-1
sa-east-1
us-east-1
eu-west-2
ap-northeast-1
us-west-2
us-west-1
ap-southeast-1
ap-southeast-2
```

但在以下 3 个可选择加入的地区不可用：

```
ap-southeast-3
ap-southeast-4
eu-south-2
```

**容器详细信息**

使用 CUDA v12.9 的 PyTorch v2.6.0 的 Checker 无检查点训练 Docker 容器

```
963403601044.dkr.ecr.eu-north-1.amazonaws.com/hyperpod-checkpointless-training:v1.0.1
423350936952.dkr.ecr.ap-south-1.amazonaws.com/hyperpod-checkpointless-training:v1.0.1
556809692997.dkr.ecr.us-east-2.amazonaws.com/hyperpod-checkpointless-training:v1.0.1
942446708630.dkr.ecr.eu-west-1.amazonaws.com/hyperpod-checkpointless-training:v1.0.1
391061375763.dkr.ecr.eu-central-1.amazonaws.com/hyperpod-checkpointless-training:v1.0.1
311136344257.dkr.ecr.sa-east-1.amazonaws.com/hyperpod-checkpointless-training:v1.0.1
327873000638.dkr.ecr.us-east-1.amazonaws.com/hyperpod-checkpointless-training:v1.0.1
016839105697.dkr.ecr.eu-west-2.amazonaws.com/hyperpod-checkpointless-training:v1.0.1
356859066553.dkr.ecr.ap-northeast-1.amazonaws.com/hyperpod-checkpointless-training:v1.0.1
920498770698.dkr.ecr.us-west-2.amazonaws.com/hyperpod-checkpointless-training:v1.0.1
827510180725.dkr.ecr.us-west-1.amazonaws.com/hyperpod-checkpointless-training:v1.0.1
885852567298.dkr.ecr.ap-southeast-1.amazonaws.com/hyperpod-checkpointless-training:v1.0.1
304708117039.dkr.ecr.ap-southeast-2.amazonaws.com/hyperpod-checkpointless-training:v1.0.1
```

**预安装的软件包**

```
PyTorch: v2.6.0
CUDA: v12.9
NCCL: v2.27.5
EFA: v1.43.0
AWS-OFI-NCCL v1.16.0
Libfabric version 2.1
Megatron v0.15.0
Nemo v2.6.0rc0
```