问题现象描述

• 报错截图

  

• 报错文本

  Traceback (most recent call last):
  ……
  Exception:
  
  -- Process 1 terminated with the following error:
  Traceback (most recent call last):
  ……
  RuntimeError: connect() timed out.

原因分析

模型进行分布式训练时，系统防火墙可能会阻截HCCL的集合通信端口的通信。需要根据报错信息，排查通信端口的开放情况，并进行相应设置。

解决措施

查询出被系统防火墙阻截的集合通信端口，并开放相应端口。