在ModelArts创建分布式训练时如何设置NCCL环境变量？

NCCL_SOCKET_IFNAME

指定通信的网卡名称。

NCCL_IB_GID_INDEX

系统设置的默认值为3，表示使用RoCE v2协议。

NCCL_IB_TC

系统设置的默认值为128，表示数据包走交换机的队列4，队列4使用PFC流控机制来保证网络是无损的。

NCCL_IB_TIMEOUT

18

用于控制IB通信超时时间，算法为“4.096 µs * 2 ^ timeout”。如出现NCCL通信超时问题可适当调大，最大可调整至22。较大的值可能会影响性能，设置为18相对平衡。

NCCL_IB_RETRY_CNT

15

IB通信重试次数。建议设置为最大值15，减少IB通信失败的概率。