@OpenGradient La barra de progreso se movió hacia atrás y eso cambió lo que estaba observando

Mientras probaba OpenGradient, encontré algo que era realmente más interesante que subir archivos.

Uno de los nodos simplemente dejó de funcionar.

El cliente lo intentó de nuevo. La barra de progreso realmente se movió hacia atrás. No retrocedió mucho, pero fue suficiente para que dejara de mirar la carga y comenzara a observar el tráfico de la red en su lugar.

Pensé que la parte difícil iba a ser almacenar el modelo. Esto se debe a que los archivos más grandes necesitan poder de cómputo, más equipo y más infraestructura. Esto parece simple.

Lo que realmente llamó mi atención fue todo lo que estaba sucediendo alrededor del almacenamiento del modelo.

La mayoría de los sistemas no te muestran cuando algo sale mal. Si algo se rompe, no lo ves o recibes un mensaje de error general. Aquí, el cliente intentando de nuevo me mostró algo diferente. La red seguía tratando de encontrar una forma de funcionar cuando una parte de ella dejó de trabajar.

Esto me hace preguntarme algo.

Cuando la gente habla sobre OpenGradient y la infraestructura de IA descentralizada, ¿están pensando en condiciones o en condiciones reales?

Una red no es buena cuando cada nodo funciona perfectamente. Una red es buena cuando un nodo deja de funcionar o cuando toma un tiempo recibir una respuesta o cuando los datos llegan desordenados.

Lo interesante no es que el cliente lo intentara de nuevo. Lo interesante es que OpenGradient parece estar diseñado para esperar que tenga que intentar

Quizás ese sea el problema.

No almacenar el modelo. Manejar los momentos en que la red te recuerda que es una red.
#OPG @OpenGradient $OPG $LAB $NES