在 EKS 上使用 Ray Train DLC 和 EFA 进行分布式训练

AWS 给出在 EKS 上使用 Ray Train DLC 和 EFA 进行分布式训练的示例，无需自行构建容器镜像。示例通过 PyTorch FSDP，在两台 g6.12xlarge 实例的 8 个 NVIDIA L4 GPU 上微调 Qwen2.5-1.5B。镜像公开可用，集成并测试了 CUDA、NCCL 和 EFA 通信栈，由 KubeRay 管理集群。