[D] 当训练作业失败时，你希望拥有哪些调试信息？

这是一篇有价值的帖子，来自一位开发者，他正在寻求关于PyTorch训练调试中痛点的反馈。作者指出了常见的错误，如OOM错误、性能下降和分布式训练错误。通过直接与MachineLearning subreddit互动，他们旨在收集真实世界的用例和未满足的需求，以用于开发开源可观察性工具。这篇文章的优势在于其具体的问题，鼓励对当前调试实践和期望的改进进行详细的回答。这种方法确保了该工具能够解决从业者面临的实际问题，从而提高了其在社区中的潜在采用率和影响力。分享汇总结果的提议进一步激励了参与，并培养了协作环境。