Host Device Info¶

摘要¶

Host Device Info 是一个维护类实验包，用来在本地或线上训练容器中采集运行环境快照。它不训练模型、不读取数据集，也不生成 checkpoint；它的任务是把“这台机器到底是什么状态”变成可复制、可 grep、可贴进 issue 的文本报告。

在比赛线上环境中，很多失败并不是模型错误，而是 CUDA、驱动、Python、代理、依赖源或文件系统状态不一致。这个实验包就是为这些问题准备的第一诊断工具。

一、它解决什么问题¶

当线上训练失败时，常见信息缺口包括：

• GPU 型号、显存、驱动和 CUDA runtime 是否符合预期。
• nvidia-smi、nvcc、设备节点和构建工具是否存在。
• Python 可执行文件、版本、site-packages 和关键包是否正常。
• pip / conda / GitHub / Python index 是否能访问。
• 代理变量是否被平台注入，no-proxy 与 inherited-proxy 行为是否不同。

Host Device Info 把这些信息集中打印，避免在训练脚本里临时插入环境探针。

二、实验契约¶

入口文件 experiments/host_device_info/__init__.py 导出 ExperimentSpec：

EXPERIMENT = ExperimentSpec(
    name="host_device_info",
    kind="maintenance",
    requires_dataset=False,
)

关键契约：

• 只支持训练入口。
• 不需要 --dataset-path 或 --schema-path。
• train_fn 会拒绝 extra args。
• 要改采集项，修改 HOST_DEVICE_INFO_CONFIG 或 experiments/host_device_info/runner.py。

三、报告内容¶

报告按节输出到 stdout，便于直接从平台日志复制。核心内容包括：

默认会脱敏带账号的代理 URL，但普通主机和端口仍会出现。公开日志前应人工看一眼。

四、Runner 配置¶

HostDeviceInfoConfig 的主要字段：

这个实验包故意不把这些配置暴露成 CLI 参数，目的是保持线上 bundle 命令简单、可复现。

五、运行方式¶

本地或线上训练入口：

bash run.sh train --experiment experiments/host_device_info

训练 bundle：

uv run taac-package-train \
  --experiment experiments/host_device_info \
  --output-dir outputs/bundles/host_device_info

上传后仍执行训练 bundle 的 run.sh。该实验不支持 taac-package-infer。

六、怎么解读¶

优先检查这些异常：

• torch.cuda.is_available() 为 false，但平台宣称提供 GPU。
• nvidia-smi 存在而 nvcc 不存在：可能只能运行 CUDA，不适合本地编译 kernel。
• pip probe 失败但 URL probe 成功：依赖源或证书可能有问题。
• inherited proxy 成功、no_proxy 失败：平台依赖代理访问外网。
• Python 版本与 bundle 预期不一致：优先看 TAAC_RUNNER / TAAC_PYTHON 和平台镜像。

七、验收¶

最小复核：

uv run pytest tests/contract/experiments/test_maintenance_experiments.py -q

源码入口：

• experiments/host_device_info/__init__.py
• experiments/host_device_info/runner.py
• 线上运行环境速查

评论