测试命令卡数与实际卡数不一致，返回retcode 11

问题现象

执行HCCL Test测试命令时，返回“return code 11”错误，例如：

1

hccl interface return err ./common/src/hccl_test_common.cc:499, retcode: 11

原因分析

HCCL Test测试命令中配置的卡数与实际的卡数不一致。如下所示为错误命令示例：

mpirun -n 16 ./bin/all_reduce_test -b 8K -e 1G -f 2 -d int8 -o sum -p 8 -c 0

• -n：需要启动的NPU总数。
• -p：单个计算节点上参与训练的NPU个数。

示例命令错误的原因为：这是一个单机测试命令，“ -n 16”说明要启动的NPU总数为16个， “-p 8 ”单个节点上参与训练的NPU个数为8，这个节点的实际卡数达不到配置中的NPU总数16。

解决步骤

修改测试命令，检查“-n”与“-p”的NPU个数（进程数）是否配置正确。

• -n：需要启动的NPU总数。
• -p：单个计算节点上参与训练的NPU个数。