HCCL_ASYNC_ERROR_HANDLING
功能描述
PyTorch训练或在线推理场景下，当使用HCCL作为通信后端时，可通过此环境变量控制是否开启异步错误处理。
- 0：不开启异步错误处理。
- 1：开启异步错误处理。
当PyTorch版本为1.11.0时，默认值为0；当PyTorch版本大于等于2.1.0时，默认值为1。
- 当前版本，开启异步处理时，若出现ERROR CQE错误，进程会终止；其他错误信息，仅打屏提示，不会终止进程。
- 当前版本该环境变量为试用环境变量，后续版本可能会存在变更。
配置示例
export HCCL_ASYNC_ERROR_HANDLING=1
使用约束
- 此环境变量仅适用于PyTorch网络，且使用HCCL作为通信后端的场景。
- 通过此环境变量开启异步错误处理时，为了更好地明确HCCL超时原因，建议init_process_group传参的timeout时间大于HCCL_CONNECT_TIMEOUT和HCCL_EXEC_TIMEOUT环境变量配置的时间。
支持的型号
Atlas 训练系列产品
Atlas A2 训练系列产品
