> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-docs-hivemind-launch.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Pourquoi mon entraînement se bloque-t-il en entraînement distribué ?

Il existe deux raisons fréquentes pour lesquelles l'entraînement se bloque lorsque vous utilisez W\&B avec l'entraînement distribué :

1. **Blocage au début de l'entraînement** : le multiprocessing de W\&B peut interférer avec celui des frameworks d'entraînement distribué.
2. **Blocage à la fin de l'entraînement** : le processus W\&B ne sait pas à quel moment il doit s'arrêter.

<div id="fix-hanging-at-the-start">
  ## Corriger le blocage au démarrage
</div>

Activez W\&B Service, activé par défaut à partir de la version `0.13.0` du SDK W\&B. Si vous utilisez une version antérieure, mettez votre SDK à niveau :

```shell theme={null}
pip install --upgrade wandb
```

Pour les versions `0.12.5` à `0.12.x` du SDK W\&B, activez explicitement W\&B Service :

```python theme={null}
def main():
    wandb.require("service")
    # reste de votre script
```

Pour le SDK W\&B `0.12.4` et les versions antérieures, définissez la variable d’environnement `WANDB_START_METHOD` :

```bash theme={null}
export WANDB_START_METHOD=thread
```

<div id="fix-hanging-at-the-end">
  ## Corriger le blocage en fin d’exécution
</div>

Appelez `wandb.finish()` à la fin de votre script d’entraînement pour indiquer à W\&B que l’exécution est terminée :

```python theme={null}
wandb.finish()
```

Cela garantit que toutes les données sont téléversées et que le processus W\&B se termine correctement.

Pour plus d'informations, voir [l'entraînement distribué](/fr/models/track/log/distributed-training/).

***

<Badge stroke shape="pill" color="orange" size="md">[Experiments](/fr/support/models/tags/experiments)</Badge><Badge stroke shape="pill" color="orange" size="md">[Run Crashes](/fr/support/models/tags/run-crashes)</Badge>