在分布式训练场景中，通信算子的正确性与稳定性直接影响模型训练的收敛效果与运行效率。本文记录了在昇腾NPU平台上使用PyTorch适配层（PTA）进行分布式训练过程中遇到的若干典型问题，涵盖通信接口的内存复用、子通信域销毁、算子执行异常、精度偏差及进程同步等多个方面。以下为各问题的详细分析与解决方案。报错信息版本信息问题描述该问题导致4个自定义API用例执行失败。问题分类：代码逻辑结论：问题由模块导

在分布式训练场景中，通信算子的正确性与稳定性直接影响模型训练的收敛效果与运行效率。本文记录了在昇腾NPU平台上使用PyTorch适配层（PTA）进行分布式训练过程中遇到的若干典型问题，涵盖通信接口的内存复用、子通信域销毁、算子执行异常、精度偏差及进程同步等多个方面。以下为各问题的详细分析与解决方案。报错信息版本信息问题描述该问题导致4个自定义API用例执行失败。问题分类：代码逻辑结论：问题由模块导

1.首先在Idea中分别创建一个vue项目一个springboot项目（前面文章说过），右键uve项目，新创建一个子项目，New->Module2.选择Maven->Next3.填写项目名称，选择Finish这样就创建好了一个springboot项目但是由于这样的springboot项目缺少组件，pom文件中缺少很多依赖，所以最好将我们之前创建好的springboot项目导入进来4.删