故障定位方法、装置、设备及计算机可读存储介质
本公开涉及一种故障定位方法、装置、设备及计算机可读存储介质,该方法包括:在接收到模型训练请求的情况下,对至少两个算力节点中的目标算力节点执行健康检测,其中,健康检测包括以下至少一项:运算单元检测、通信链路检测和模型训练检测;在健康检测的检测结果表征目标算力节点无故障的情况下,响应于模型训练请求,通过目标算力节点执行模型训练任务;在模型训练任务中断的情况下,根据训练日志对目标算力节点中的故障算力节点进行定位,训练日志为执行模型训练任务的过程中输出的日志。本公开能够对目标算力节点开始执行模型训练任务前和执行任务过程中发生的故障进行定位,提高了故障定位的准确性。