请教下单机多卡训练的卡死问题

[zhoujx4]

你好，想问问用多卡训练，即 bash finetune.sh 时，能看到训练进度的吗?

[Facico]

能看到

[zhoujx4]

请问有试过单机多卡的情况吗？ 不是多机多卡，发现在单机多卡的时候 bash finetune.sh 时，会卡住，但也没报错，没有任务的训练时候 loss日志打印出来

[Facico]

我们现在程序就是单机多卡，你那边有数据加载界面吗，我猜是卡在数据加载界面上了。

[Facico]

如果卡在数据加载界面上，可能的原因是你用的数据是我们之前的版本“不是utf-8”格式的，看不到正常的中文，这个版本在一些系统上可能会存在问题。你可以看看你的数据能不能看到正常中文字符，如果不能可以参考这个issue，或者从huggingface或网盘中拉去现在的数据集

[zhoujx4]

我们现在程序就是单机多卡，你那边有数据加载界面吗，我猜是卡在数据加载界面上了。

你好，试了下，貌似不是卡在数据加载页面上，
单机单卡是能跑的，如下图

但是单机多卡，就卡住了，而且也没报错，就一直卡在那里，如下图，不知道是不是torchrun的参数问题？

[Facico]

如果数据加载没问题的话，如果是只有多卡有问题看看是不是有下面的问题：
1、pytorch3.11的torchrun是有bug的，可以换成其他版本
2、确认多卡是否成功指定，同时那些卡是否存在问题，跑的时候可以nvidia-smi看看显存使用情况

[zhoujx4]

找到问题啦，已解决，我的机器是单机8张A6000，
改了bios，关闭ACS 后解决问题

[cbzhao79]

找到问题啦，已解决，我的机器是单机8张A6000， 改了bios，关闭ACS 后解决问题

可以说一下如何解决的吗？我现在也是碰到这个问题，非常感谢！