检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
操作系统监控GPU页面显示无记录该如何处理？ 在查看主机监控的监控指标时，如果出现操作系统监控GPU页面显示无记录的问题，请先确认您的机器是否支持GPU。
为什么exec进入容器后执行GPU相关的操作报错？
pip install gputil import GPUtil as GPU GPU.showUtilization() import GPUtil as GPU GPUs = GPU.getGPUs() for gpu in GPUs: print("GPU RAM Free
根据GPU/NPU卡信息定位使用该卡的Pod 在CCE中使用GPU/NPU卡时，无法直接获取到使用该卡的Pod。您可以根据GPU/NPU卡的信息，通过kubectl命令行操作筛选Pod，以便在GPU/NPU卡故障时能够及时将Pod驱逐。
首先通过在PyTorch训练脚本中插入dump接口，跟踪计算图中算子的前向传播与反向传播时的输入与输出，然后再使用子命令compare进行比对生成比对表格。
msprof AOE 自动调优工具，提供子图调优和算子调优功能，在静态shape场景下有较好的调优效果。推荐在mindspore-lite离线推理场景下使用。 包含在cann toolkit中。
命令，将信息收集到信息文件diagnose_gpu_xxxxx.tar.gz进行自排查或工单联系技术支持。
GPU/NPU Pod重建风险检查异常处理 检查项内容 检查当前集群升级重启kubelet时，节点上运行的GPU/NPU业务容器是否可能发生重建，造成业务影响。
dmesg | grep -i xid 若检查项GPU节点上的XID异常为空，说明无XID消息。 若检查项GPU节点上的XID异常不为空，您可按照GPU实例故障分类列表自助诊断并解决问题，或联系技术支持人员获取帮助。 父主题： 故障信息收集
父主题： GPU相关问题
父主题： GPU相关问题
lspci | grep NV 如下图所示，可以看到有一张GPU显卡，且显卡是rev a1，状态正常；如果为rev ff或其他状态，则显卡可能故障。 父主题： 故障信息收集
虚拟机故障，在message日志中发现存在Xid报错 父主题： GPU实例故障自诊断
139：通过这个端口进入的连接试图获得NetBIOS/SMB服务。 父主题： Lite Server
Dit模型PyTorch迁移与精度性能调优 场景介绍及环境准备 训练迁移适配 精度对齐 性能调优 父主题： GPU业务迁移至昇腾训练推理
基于advisor的昇腾训练性能自助调优指导 advisor调优总体步骤 创建诊断任务 查看诊断报告 父主题： GPU业务迁移至昇腾训练推理
比对NPU和GPU预检结果。
如何收集NVIDIA日志 收集NVIDIA日志方法如下： 登录弹性云服务器。 在任意目录下执行以下命令。（如果是CCE场景，进入到/opt/cloud/cce/nvidia/bin目录后执行） sh nvidia-bug-report.sh 或 ./nvidia-bug-report.sh
如何查询内核信息 查询内核信息的方法如下： 登录弹性云服务器。 执行以下命令，查看内核版本。 uname -r 执行以下命令，查看安装驱动时的内核版本。 Ubuntu：find /lib/modules -name nvidia.ko CentOS：find /usr/lib/modules
非硬件故障自恢复处理方法 如何处理Nouveau驱动未禁用导致的问题 如何处理ECC ERROR：存在待隔离页问题 如何处理升级内核后，驱动不可用问题 如何处理GPU掉卡问题 如何处理显卡ERR！
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
