VERL 适配 · 多轮数据流 · GSPO · 推理优化 · MoE 路由

 官方入口:openPangu-2.0-Pro 模型 · openPangu-2.0-Flash 模型 · openPangu-2.0-RL 代码仓库 · openPangu-2.0 技术报告

最近,RSI(Recursive Self-Improvement,递归自我改进)讨论得很热:模型能否从自身的行动与反馈中持续改进,甚至逐步改进学习方式?这个问题听起来很宏大,真正落到代码里,第一步就是——怎样让一次执行结果,成为下一轮策略学习的依据?

模型会写 Python,只是起点。让它在工具环境里边执行、边获取反馈,再通过强化学习改进策略,困难就多了:一次工具调用由谁发起,工具结果怎样回到对话,哪些 token 才属于模型的动作,整条交互轨迹又如何转化为有效梯度?这些问题都需要具体的代码设计来回答。

这里面有三个关键角色:①Actor 是接受更新的策略模型,②Rollout 是模型生成回答或工具交互轨迹的采样过程,③Reward 则将执行结果转成学习反馈。

openPangu-2.0-RL 的技术价值,在于把多轮 Agent 交互、奖励计算、策略更新与昇腾训练适配组织成一条可以沿源码追踪的链路。项目以 VERL 为训练编排基础,在数据流、策略优化和分布式执行等位置增加了有针对性的实现。

本文以官方仓库(Git HEAD:a1c67936)为主线进行阅读,聚焦执行效率相关的实现原理和可观察指标。从六项关键设计入手,看它们各自解决了什么问题,又怎样接力完成一次训练更新。[1] 所引用的函数和配置标注了源码入口,技术图用于辅助解释机制,让我们开始吧!

  • 先看全貌:六项源码设计如何串起训练闭环

打开 omni_rl/,可以看到 dataset(数据入口)、reward(奖励)、workers(执行进程)、engines(推理)、patches(扩展补丁)和 rl(强化学习)等模块。理解这套系统,可以先抓住两条主线:timely_agent 负责组织多轮交互及轨迹流转,verl_adapt 负责把策略计算、推理执行与昇腾侧的适配连接起来。它们共同服务于 VERL 的训练编排。[1]

图 1|采样、奖励与策略更新构成训练闭环。下文将沿各环节对应的源码入口分析实现方式。

实际源码位置

主要工作

对开发者的价值

omni_rl/patches

在运行时接入 VERL、Megatron、Pangu、Torch 等补丁

控制与上游框架的耦合,便于持续维护

rl/timely_agent/timely_data_flow

协调多轮采样、队列、在途样本和消费进度

让 Agent 交互与训练消费形成受控的数据流水线

rl/verl_adapt/adv_algos.py

计算组内优势、区分模型动作与工具观察

保护策略更新使用的学习信号

rl/verl_adapt/compress_tensor

在工作进程间分发前去除可统一裁剪的 Padding

减少无效张量传输,保留恢复原形的元数据

rl/verl_adapt/pd_separate

分别组织 Prefill、Decode 服务及其代理

让上下文处理和逐 token 生成有独立调度空间

rl/verl_adapt/rollout_routing_replay

重组、交换 MoE 路由记录并统计匹配度

为采样端与训练端的路由一致性提供实现路径

把这些模块放回同一条数据流,关系就清楚了:Agent 产生长度不一的交互轨迹,数据流控制生产和训练消费的节奏;奖励与掩码确定哪些模型动作应当得到强化;压缩传输、PD 分离和 MoE 路由机制则为跨进程执行中的传输效率与计算一致性提供优化入口。

openPangu-2.0-RL 的亮点,是为这些相互关联的难题安排了边界清晰、可配置的实现层次。

二、设计一:用外部补丁扩展 VERL,减少框架侵入

训练系统需要适配新的模型、算子和硬件时,直接修改第三方框架源码虽然方便,却会让后续升级变得繁琐。openPangu-2.0-RL 以 VERL 承担训练编排,把项目专用的适配逻辑集中到外部补丁包,再通过环境变量加载。这使扩展代码有了明确的维护入口。[1][2]

VERL_USE_EXTERNAL_MODULES=omni_rl.patches

沿着 omni_rl/patches/__init__.py 继续看,补丁目标涵盖 acl、mbridge、megatron、mindspeed、pangu、torch 和 verl。Patch Manager 按阶段调用 pm.apply():先应用需要提前生效的补丁,再根据训练引擎导入相应模块,最后运行 pm.check(repair=True) 检查补丁状态。开发者可以清楚地追踪扩展在何时加载、是否生效。[2]

# 依据 patches/__init__.py 摘录的关键调用pm.apply(before=Path.ANY)if train_engine in ["megatron", "sophon"]: pm.apply(before="pangu") import pangu pm.apply(after="pangu")pm.apply()pm.apply(after=Path.ANY)pm.check(repair=True)

这一设计的优势集中在三点:①框架主流程与项目适配逻辑相对分离;②补丁加载顺序和检查入口显式可见;③新增模型或昇腾算子适配时,可以集中检查相关补丁。升级上游 VERL 时仍需验证兼容性,而这里的补丁注册与检查机制正为验证提供了具体入口。

阅读这部分源码,建议先看 patches/__init__.py 的加载顺序,再进入对应补丁文件,分清 VERL 已提供的功能与 omni_rl 新增的行为。后续要扩展训练框架,这条线索尤其有用。

图 2|以 VERL 为基础,openPangu-2.0-RL 通过补丁管理、Timely Agent 和训练适配模块组织能力。此图为源码机制归纳,非实际部署拓扑;具体接入以源码配置为准。

三、设计二:Timely Dataflow 给采样和训练装上“流量阀门”

同样是生成一条训练样本,有的模型一次回答就结束,有的 Agent 还要等 Python 执行、读取观察并继续决策。采样耗时忽快忽慢,训练端却按批次消费轨迹。这里需要一个“流量阀门”:既让生成端持续工作,也控制尚未被训练消费的数据量。

rl/timely_agent/timely_data_flow/dataflow.py 中的 Dataflow 提供 put/get 接口,相当于这条流水线的统一出入口。Coordinator 安排 Agent 的交互过程,SinkNode 收集完成的轨迹,Replay Buffer 与 Unified Store 管理数据存取;队列和额度控制则协调各环节的速度。[3]

源码中最直观的是额度控制:

# 来自 Dataflow.__init__,保留关键表达式self._credits = threading.Semaphore( self._batch_size * (envs.OMNIRL_STALENESS + 1))

acquire_credit() 会检查 Coordinator 的排队状态,并申请一个可用额度;训练端真正消费轨迹后,再通过 release_credit() 归还额度。FlowGate 维护 enter、leave、shut 和 is_drained,用于判断是否停止接收新任务,以及已提交的任务是否全部处理完成。[3]

这样,采样端能生产多少“在途轨迹”,就由训练消费能力和异步深度共同决定。源码中的 OMNIRL_STALENESS 默认设为 0;需要更深的流水线时,可以调整相关额度配置。它给开发者提供的是明确的流量控制手段,而不是让轨迹在队列里无上限累积。[3][4]

还有一个容易忽略的时序:轨迹到达 SinkNode,意味着交互结果已经收集;额度却要等训练消费后再释放。这样,数据流统计的是完整训练链路中的在途工作量。接下来不妨看看这些轨迹的另一端:模型调用 Python 时,执行环境如何接入这条流水线。

图 3|Agent 生成、Python 工具执行与观察返回形成多轮轨迹;下方 token 划分是教学示意,策略损失针对模型生成 token,工具观察主要提供上下文。细节见第五节。

四、工具调用落地:给 Python 执行环境加上可控边界

进入多轮工具场景,流水线需要能够执行模型生成的计算代码。timely_agent/tools/tool_python_interpreter.py 提供了这一工具入口:代码由独立子进程执行,并配置超时、资源限制、模块导入白名单和受限内建函数。它把一次工具调用变成可以管理的交互步骤。[13]

源码允许 math、statistics、numpy、sympy 等计算模块,限制 open、exec、eval 等内建操作;默认执行超时为 30 秒,并尝试限制 CPU 时间、文件大小与打开文件数。对 sympy.sympify 的字符串解析路径还做了额外处理,降低绕过内建限制的风险。[13]

这一实现的价值,在于把 Python 计算工具纳入 Agent RL 的统一交互流程:调用可以执行、返回、终止并形成轨迹。对于需要运行不可信代码的生产环境,还应配合容器级隔离与更严格的系统权限边界。[13]

把这些模块串起来,可以用一次简单的 Python 工具交互理解源码的职责分工:任务进入数据流、工具执行返回观察、模型继续生成、训练端划分动作并计算奖励。下面按照理解顺序对照文件入口。

轨迹阶段

可定位的代码

这一环节解决的问题

任务进入数据流

Dataflow.put() / Coordinator

接收任务、安排交互,并受队列与额度控制

模型调用计算工具

tool_python_interpreter.py

执行模型生成的计算代码,施加超时和资源约束

工具输出回到上下文

timely_agent 交互层

将环境观察作为后续决策的上下文信息

识别可训练动作

adv_algos.py / turn 划分

为模型生成区间标记 turn,区分工具观察

奖励与参数更新

reward/pangu.py + adv_algos.py

通过统一奖励接口和优势估计提供更新信号

表|交互轨迹与主要源码组件的职责对照(机制梳理,具体任务按配置组织)。

在 Code4Math 的配置中,work_flow.leader_agent: math_v2、stage: timely_data_flow 和 rollout.mode: async 共同描述多轮工作流的组织方式;切换任务时可以更换 Agent 与评价规则。工具结果进入上下文之后,训练端还需区分“模型自己说的”和“工具返回的”,这正是下一节 turn 与 mask 机制要解决的问题。[6][11]

五、设计三:用 turn 与 mask 分清模型动作和工具观察

例如模型先生成一段 Python 代码,工具执行后返回计算结果,模型再据此给出答案。对话上下文里同时出现模型输出与工具输出,但强化学习主要更新模型自己采取的动作。若把工具返回文本也作为模型动作计算策略损失,学习信号就会偏离目标。

图 4|同一轨迹中,模型动作与工具观察交替出现;回合划分和损失掩码各有明确职责。

adv_algos.py 的 compute_turn_structure(agent_mask) 解决了回合划分问题:agent_mask > 0 表示模型生成的 token,连续的生成区间被识别为一个 turn;函数输出 turn_start_mask 标记回合起点、用 turn_ids 标记回合编号。工具观察和 Padding 等非模型生成位置的编号为 -1。[5]

# 源码机制节选;agent_mask 表示模型生成 tokenstarts = (a == 1) & (prev == 0)turn_ids = torch.cumsum(starts.to(torch.long), dim=-1) - 1

这个函数还有一个关键细节:它用原始 agent_mask 识别回合结构,而不使用经过 Rollout Correction 处理的 loss mask。某些 token 即使被跳过、不参与本次损失,也不应改变真实的交互回合边界。将“轨迹结构”和“本次更新权重”分开,能避免一个回合被错误拆成多个回合。[5]

组内优势计算还提供 exclude_masked_responses_in_adv 选项。若某条响应的训练掩码全部为零,开启该选项后,可以将其从组内均值与标准差的统计中排除,减少无效响应对其他样本相对优势的干扰。公开 Reasoning 配置开启了这个选项,并选择 grpo_epsilon_guarded 作为优势估计器。[5][6]

至此,一条多轮轨迹里的三个问题都有了明确处理方式:turn 结构回答“模型在哪些回合做了动作”,训练掩码回答“哪些 token 参与更新”,优势统计回答“这些响应的相对反馈如何计算”。学习信号沿着正确的边界流动,后面的策略优化才有可靠输入。

六、设计四:奖励接口与策略更新分层,算法组合更灵活

omni_rl/reward/pangu.py 给奖励计算设置了统一入口。PanGuRewardManager 通过 @register("pangu") 注册到 VERL 的奖励接口;批次中已有 rm_scores 时直接复用,否则调用 compute_score 生成评分,最终交回标准化的奖励张量。训练器因此可以使用一致的接口消费不同来源的反馈。[7]

对开发者来说,这相当于把“判卷老师”和“模型训练器”分开。数学答案验证、格式检查或其他规则评分可以各自实现,再通过统一接口接入;训练主流程仍能复用同一套奖励消费方式。

公开 Reasoning 配置中有一个很好的例子:工作流训练模式与优势估计器分别设置。

# 摘自官方 reasoning/config.yaml,分属不同配置层work_flow: train_mode: gspoalgorithm: adv_estimator: grpo_epsilon_guarded exclude_masked_responses_in_adv: true

这里,train_mode: gspo 标记工作流使用的训练模式,adv_estimator: grpo_epsilon_guarded 则指定如何从组内奖励计算优势。两者承担不同职责:奖励先被转换成相对学习信号,策略损失再利用这些信号约束参数更新。算法组合的灵活性,就体现在这种配置分层中。[5][6]

图 5|GRPO 与 GSPO 的更新粒度对照。两种算法的原理与实现来源见参考文献 [8]。

grpo_epsilon_guarded 还处理接近零的中心化得分与标准差,并可配合 response_mask 排除全掩码响应。零方差和无效样本的处理方式直接写在算法实现里,方便复用、排查和测试。奖励规则本身仍由具体的评价函数定义。

重要性比率描述同一模型输出在新旧策略下的概率变化,是约束参数更新幅度的重要依据。GRPO 通常在 token 级计算并裁剪这一比率,GSPO 则按序列组织重要性比率与裁剪。openPangu-2.0-RL 的价值在于把这些算法与组内统计、动作掩码、异步 Rollout 及昇腾执行环境接起来,让策略更新融入一套可追踪的训练流程。[1][8]

七、设计五:压缩传输与 PD 分离,把采样链路的效率做细

Agent 轨迹有长有短,组成 batch 后常需要补齐到相同长度。Actor 和 Rollout Worker 在跨进程传输数据时,Padding 也会随张量一起移动。verl_adapt/compress_tensor/compressor.py 中的 TensorDictCompressor 会找出整个 batch 左右两侧可以统一删除的 Padding,裁剪 input_ids、attention_mask 和 position_ids,并将裁剪长度写入 meta_info,供后续恢复张量形状。[9]

这里采用的是 batch 级统一裁剪,样本仍保留一致的二维张量结构。对长短差异明显的多轮轨迹,它减少了部分无效数据的移动;实际收益可通过裁剪前后的传输元素数、通信耗时与恢复一致性来评估。

另一项设计是 Prefill/Decode(PD)分离。Prefill 负责一次处理已有上下文,Decode 负责随后逐 token 生成。pd_separate/inference_proxy.py 中的 PdDomain 分别管理两类服务地址,Ray 上的 PdDomainProxy、PdProxyManager 负责注册与代理连接,并依据 batch、采样次数和服务规模计算并发参数。[10]

多轮 Agent 反复把工具结果追加到上下文,Prefill 与 Decode 的计算压力也会随之变化。把两个阶段分别组织成服务,可以针对上下文处理和持续生成配置不同资源。公开的 Reasoning 与 Code4Math 示例都设置了 pd_separate.enable: True,说明 PD 分离已经进入官方端到端配置。[6][11]

机制

对应代码动作

值得突出的优势

Padding 压缩

裁剪可统一移除的左右 Padding,记录长度,收集后恢复

减少可避免的数据移动,保持批次结构可恢复

PD 服务分工

注册 Prefill/Decode 地址并创建代理

允许对长上下文计算和生成阶段分开配置资源

异步 Rollout

示例中 rollout.mode: async

让采样与训练在可控的流水线中协调

这两项优化面向同一件事:让训练数据在跨进程传输时少搬无效内容,让推理服务在不同生成阶段更容易分工。开发者可以进一步用传输量、队列长度和吞吐指标衡量它们在具体集群上的收益。

图 6|压缩传输、Prefill/Decode 分离与可选的 MoE 路由重放。左侧以统一移除整个 batch 两侧共同 Padding 的示例说明实现逻辑;中、右两部分展示服务分工和路由记录处理。Reasoning 公开示例关闭路由重放。

八、设计六:MoE 路由重放,让概率回算更可追踪

MoE(Mixture of Experts,混合专家)模型会根据路由结果选用不同专家。同一 token 在采样端和训练端若走了不同的专家路径,计算出的策略概率就可能混入执行路径差异。对依赖新旧策略概率比率的强化学习而言,能记录、传递并检查路由信息具有直接意义。

rollout_routing_replay/omni_rl_router_resharder.py 实现了路由记录的跨进程组织。create_router_resharder_groups() 按跨节点相同设备 ID 构建 HCCL(昇腾集合通信)进程组,RouterResharder 负责记录的重组与分发;collect_and_update_router_replay_stats() 汇总 exact_match_ratio、element_match_ratio 等匹配统计,并写入批次的 meta_info。系统由此提供了路由交换与一致性检查的实际入口。[12]

这一设计把 MoE 训练中的关键问题变得可观察:采样端的路由记录能否送到训练端,实际使用的专家选择是否一致,一旦不一致差异又有多大。相比只标注“支持 MoE”,这些明确的记录与统计更方便开发者定位概率回算问题。

开关状态也值得留意。Reasoning 示例中,actor.router_replay.mode 为 disabled,Rollout 侧 enable_rollout_routing_replay 为 false,也就是路由重放在示例里没有默认启用。仓库已经给出实现与统计接口,开发者可以根据模型和集群配置决定是否评估这一机制。[6][12]

模块化的价值还在于“按需开启、按指标验收”。路由重放会涉及记录交换和额外通信,合理的验证应同时观察路由匹配率、策略概率变化与通信开销。这样才能判断它在哪类 MoE 后训练中真正值得启用。

九、对照两份 YAML:模块化能力如何落在配置开关上

Reasoning 与 Code4Math 的官方 YAML 展示了同一训练框架如何组合不同的 Agent、优势估计器和推理开关。

配置项

Reasoning 公开示例

Code4Math 公开示例

说明

work_flow.train_mode

gspo

gspo

训练工作流模式

algorithm.adv_estimator

grpo_epsilon_guarded

grpo

优势估计可独立选择

rollout.mode

async

async

采样组织形式

pd_separate.enable

True

True

示例启用 PD 分离

Rollout 路由重放

false

以注释形式给出启用选项

路由重放能力与默认配置区分

work_flow.leader_agent

naive

math_v2

可改变 Agent 工作流实现

两份配置说明,算法、Agent 工作流、推理执行与昇腾适配各有自己的配置入口。开发者可以固定训练主链路,先调整一处机制,再从日志和指标确认影响;这种逐项定位和验证的方式,也让复杂的 RL 系统更容易维护。[6][11]

图 7|官方仓库真实目录与主要符号的阅读导航。图中箭头代表推荐阅读次序,不表示全部运行时调用依赖。

实际读源码时,可以先从 patches/__init__.py 找到扩展挂载方式,再看 timely_data_flow/dataflow.py 的采样与消费,随后进入 adv_algos.py、reward/pangu.py 理解学习信号。掌握主链路后,再深入 compress_tensor、pd_separate 与 rollout_routing_replay,研究执行效率和 MoE 一致性。这个顺序也符合文章从交互到更新、再到系统优化的展开方式。

十、从源码出发验证优势:大众开发者也能上手的阅读路线

第一轮验证可以从源码与配置开始。先看 PanguDataset 如何读取 JSON/JSONL/Parquet,并将 prompt、meta.gt、meta.solution 等字段交给后续数据和评分流程;再核对 agent_mask 与 response_mask 的职责,检查工具观察是否被计入模型动作;最后对照 YAML 的实际开关,区分项目支持的可选能力与示例使用的机制。[14]

如果具备相应昇腾集群,还可以进一步验证执行收益。官方 Pangu92B GSPO 部署示例按 6 台 A3、每台 16 个 NPU 组织,共 96 个 NPU;可记录环境版本、配置快照、奖励曲线、队列深度、通信量和吞吐数据,再比较不同开关的影响。这样形成的结果才与具体部署条件对应。[15]

要验证的优势

优先观察的指标

配套核验

外部补丁维护性

应用顺序、检查状态、版本差异

查看补丁实际加载和兼容日志

Timely 数据流控制

队列长度、inflight、消费速率

核对轨迹收集与训练消费时机

turn/mask 正确性

动作 token、工具观察、全掩码响应

对照 turn 起点和最终 loss mask

Padding 压缩

传输元素数、耗时、恢复一致性

比对裁剪前后并检查还原

PD 分离

两阶段吞吐、队列、尾延迟

检查代理路由与各服务负载

MoE 路由重放

路由匹配率、概率差异、通信开销

核对启用开关和匹配统计

这些验证路径把项目的技术价值落实成可操作的工作:查源码可以找到机制,查配置可以确认开关,查运行指标可以评价收益。openPangu-2.0-RL 的优势,正在于它为 Agent 交互、学习信号和分布式执行都提供了明确的实现入口。

结语|让 Agent 的学习链路真正向开发者开放

大模型进入工具环境后,训练系统要处理的不再只有一次前向和一次反向:交互轨迹需要可靠流转,工具反馈要进入正确的学习区间,训练与推理还要协同使用算力。openPangu-2.0-RL 将这些环节组织成一套可以阅读、配置和扩展的代码体系,令强化学习更接近开发者实际面对的系统问题。

这次开源中值得学习的地方,是把复杂训练拆成了三类可以研究的能力:上层通过 Timely Dataflow 与工具执行组织真实交互;中层通过奖励接口、优势估计和回合掩码保障学习信号;底层通过外部补丁、PD 分离、压缩传输与 MoE 路由机制承接昇腾分布式执行。开发者能沿着这三个层次找到问题,也能找到改进的切入点。

模型开源让开发者有机会接触能力本身,训练代码开源则让能力如何形成、如何更新变得更加透明。随着多轮 Agent 应用越来越复杂,能够检查数据流、算法与底层执行的完整链路,将成为持续优化模型的重要基础。openPangu-2.0-RL 的价值,也正体现在这条可追踪、可扩展的学习链路上。

附录1|六个值得直接打开的源码入口

下面六个文件是复核本文机制分析的快捷入口。建议按“扩展挂载 → 数据流 → 回合和优势 → 传输与推理 → MoE 路由”的次序查阅;不需要启动完整训练,也能先看懂各模块为什么存在。

源码文件/目录

建议先定位的符号

它验证的技术价值

patches/__init__.py

pm.apply()、pm.check(repair=True)

补丁的执行顺序和生效检查

timely_data_flow/dataflow.py

FlowGate、acquire_credit()

队列背压与训练消费边界

verl_adapt/adv_algos.py

compute_turn_structure()

多轮动作分段与损失掩码

compress_tensor/compressor.py

_remove_padding_from_tensor_dict()

批次 Padding 的裁剪与恢复

pd_separate/inference_proxy.py

PdDomainProxy.start_proxy()

Prefill/Decode 地址和代理组织

rollout_routing_replay/

collect_and_update_router_replay_stats()

路由匹配度可观测性

阅读源码时,可以按“源码实现 → 示例配置 → 真实运行结果”逐层核查:第一层确认能力在哪里实现,第二层确认具体场景如何选择,第三层评估它带来的实际效果。这也是把技术亮点写得扎实、用得明白的方法。

附录2|相关开发术语

术语

一句话理解

源码对应位置

Rollout

模型生成及环境交互组成的采样过程

timely_agent / workers

Credit / 背压

用在途额度控制生产端与训练消费的节奏

Dataflow.acquire_credit()

Agent mask

标记哪些 token 属于模型生成区间

compute_turn_structure()

Advantage

从反馈中计算用于更新的相对学习信号

adv_algos.py

PD 分离

上下文处理与逐 token 生成分别组织服务

pd_separate

MoE Router

决定每个 token 由哪些专家参与计算

rollout_routing_replay

参考源码与资料

[1] openPangu-2.0-RL 官方 README|仓库结构、外部补丁、场景与部署入口。

[2] `omni_rl/patches/__init__.py`|补丁注册、按序应用与检查。

[3] `timely_data_flow/dataflow.py`|FlowGate、Credit 与队列背压。

[4] `omni_rl/config/envs.py`|OMNIRL_STALENESS 等环境参数。

[5] `rl/verl_adapt/adv_algos.py`|turn 分段、组内优势与响应掩码。

[6] `reasoning/config.yaml`|GSPO 工作流、优势估计器和优化开关。

[7] `omni_rl/reward/pangu.py`|奖励接口注册与消费。

[8] GSPO 原论文|序列级重要性比率的算法来源。

[9] `compress_tensor/compressor.py`|Padding 去除与恢复。

[10] `pd_separate/inference_proxy.py`|Prefill/Decode 服务代理。

[11] `code4math/config.yaml`|多轮工作流与 PD 分离配置。

[12] `rollout_routing_replay/omni_rl_router_resharder.py`|跨节点路由记录重组与一致性统计。

[13] `tool_python_interpreter.py`|计算工具隔离与资源边界。

[14] 官方数据集说明|PanguDataset 与奖励字段。

[15] 官方部署指南|96 NPU 示例、Ray/Ansible 与运行验证。

Logo

鲲鹏昇腾开发者社区是面向全社会开放的“联接全球计算开发者,聚合华为+生态”的社区,内容涵盖鲲鹏、昇腾资源,帮助开发者快速获取所需的知识、经验、软件、工具、算力,支撑开发者易学、好用、成功,成为核心开发者。

更多推荐