Deepspeed Nccl test fails on- misc/socket.cc:483 NCCL WARN socketStartConnect: Connect to xxx failed

完美解决Nccl test fails on- misc/socket.cc:483 NCCL WARN socketStartConnect: Connect to xxx failed : Software caused connection abort

这个问题很容易就被Nccl版本等各种信息带偏，我一顿操作下来，又是check环境，又是重装环境，毫无作用，后面仔细一看，原来socket连接不上，按不得报nccl错嘛

方案

一直以为设置好IP和port就行，好家伙，还需要设置接口哇

-ip a / ipconfig / ip addr
三个命令 随便挑一个 查询ip
下图为从节点ip查询

lo 本地环回 一般不会选这个作为接口
IP是哪个 就选哪个
对于我来说 我就是

从节点  wlp0s20f3

随后设置环境变量

 sudo gedit ～/.bashrc

在文档末尾加上

export NCCL_SOCKET_IFNAME=wlp0s20f3

最后更新一下

 sudo source ～/.bashrc

设置成功的话，不出意外在分布训练时会出现

注意！！主节点同理设置，最好都设置一下，谁知道默认的是什么玩意

出现如下一般来说就是成功了