一种应用于异构训练集群的故障检测方法

本发明涉及一种应用于异构训练集群的故障检测方法，包括：基于定义的统一接口，启动检测流程；执行分组通信检测流程，若检测出故障节点，则输出检测结果、并结束当前检测流程，否则执行分组训练检测流程，并输出检测结果、结束当前检测流程。与现有技术相比，本发明能够准确高效检测出故障节点，解决单一通信检测检出率低、单一训练检测耗时久且成本高的问题，同时支持大规模异构训练集群的故障检测，能够支持任意的芯片，减少应用于异构训练集群的故障检测复杂度。