使用设备：800IA2

使用场景：单机单卡训练实现断点续训功能

由于NPU显存限制，因此使用基础模型resnet50训练来验证断点续训功能

resnet50参考样例：

ResNet50_ID4149_for_PyTorch

已在docker容器中验证其可行性

使用a800_pytorch_vcjob.yaml作为下发任务的脚本

修改后的yaml文件见附件

使用hccn工具在宿主机内配置的deviceIP如下图所示

​

下发任务后pod状态正常

​

打印其中日志

​

参考文档FAQ中hccl.json文件没有生成

进入pod中查看

​

宿主机内查看Ascend Device Plugin启动参数，发现符合要求

​

Ascend Device Plugin组件日志如下，未出现Get device ip failed字样

​

查看hccl组件日志，有如下报错

​

volcano组件日志报错

​

此前验证时，不使用k8s调用训练，由于是基础模型，因此只需要代码中写明卡数即可，使用mindxDL时，样例中使用的脚本要求hccl-controller组件生成rank_table_file

请问这种情况应该如何处理

附件已提供hccl-controller日志