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
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
故障信息收集方法 用户可使用故障信息收集脚本一键收集所有信息或使用命令进行获取相应信息。 故障信息一键收集脚本使用方法如下： 故障信息一键收集脚本下载地址：https://hgcs-drivers-cn-north-4.obs.cn-north-4.myhuaweicloud.c
如何查询显卡在位信息 查询显卡在位信息方法如下： 登录弹性云服务器。 执行以下命令，查看显卡在位情况，确认是否和服务器规格显卡数一致，保存回显结果。 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。
如何收集驱动安装信息 收集驱动安装信息的方法如下： 登录弹性云服务器。 执行以下命令，检查是否禁用了nouveau驱动。 lsmod | grep nouveau 如果是驱动安装失败类问题，收集/var/log/nvidia-installer.log 驱动安装日志，并转储日志信息。
如何查询NVIDIA的错误信息 查询NVDIA错误信息的方法如下： 登录弹性云服务器。 执行以下命令，查看是否存在error信息，保存回显结果。 dmesg | grep -i nvidia 也可过滤关键字后保存结果，例如：NVRM、nouveau、nvidia、nv字样等。 父主题：
如何处理infoROM错误 问题描述 Linux操作系统的云服务器在执行nvidia-smi命令报错“WARNING:infoROM is corrupted at gpu 0000:00:0D.0”，并且用户业务已经受到影响。 问题原因 健全性检查没有通过，GPU驱动程序不会使用或信任其内容（某些内容未被使用）。
如何处理GPU掉卡问题 问题描述 执行nvidia-smi命令查询到的显卡的数量较实际规格对应的显卡数量少。 如上图所示，执行nvidia-smi命令查询到7张显卡，实际该机型应有8张显卡。 判断方式 执行以下命令，显卡的数量与实际规格对应的显卡数量一致，且显卡在位状态正常（rev
如何处理显卡ERR！问题 问题描述 执行nvidia-smi命令，仅Pwr:Usage/Cap（能耗）显示ERR！ 处理方法 如果当前用户业务正常，仅nvidia-smi执行后存在ERR!显示问题，无需处理。 如果当前业务已经受到影响，迁移虚拟机，再根据故障信息收集收集故障信息后联系技术支持处理。
如何处理驱动兼容性问题 问题描述 用户执行nvidia-smi命令回显报错“No devices were found”。 No devices were found 处理方法 查看云服务器的实例规格，确认用户使用的镜像信息。 如果使用NVIDIA Tesla T4 GPU（例如，Pi2或G6规格），请参见T4
如何处理可恢复的Xid故障问题 问题原因 Xid 说明 13 Graphics Engine Exception，非硬件故障，可能是指令错误等。 31 GPU memory page fault，非硬件故障，可能访问了非法地址等。 43 GPU stopped processing，
如何处理ECC ERROR：存在待隔离页问题 问题描述 业务调度到某个GPU节点后，发现业务异常，调度到其他节点时正常。 某台虚拟机显存使用率突然降低。 判断方式 执行以下命令，查看显卡是否存在ecc error。 nvidia-smi 如果1的回显结果中volatile Uncorr
如何处理Nouveau驱动未禁用导致的问题 问题描述 Nouveau驱动未禁用可能导致Linux系统卡死、虚拟机无法远程登录等问题。一般常见于客户使用自己的私有镜像（从ECS普通虚拟机导出的镜像或其他来源的私有镜像）。 判断方式 执行以下命令，查看Linux内核环缓冲区中的错误关键字信息。
如何处理用户安装了GRID驱动，但未购买、配置License问题 问题描述 用户业务是做图形处理的，且用户已经安装了GRID驱动，但用户的GPU使用率很低或渲染性能达不到预期。 例：运行图像识别任务，任务会突然卡住无法继续运行，GPU的性能表现差；查看/var/log/messa
如何处理升级内核后，驱动不可用问题 问题描述 客户执行nvidia-smi，报错failded to initialize NVML: Driver/library version mismatch。 客户执行nvidia-smi，报错NVIDIA-SMI has failed because
如何处理驱动安装报错“Unable to load the kernel module 'nvidia.ko'” 问题原因 总线脱落。 内核版本不一致。 问题影响 显卡驱动安装失败，显卡无法使用。 处理方法 执行以下命令，查看内核版本，检查内核版本是否一致。 rpm -qa | grep
如何处理用户的虚拟机报错：“由于该设备有问题，Windows已将其停止”问题 问题描述 用户在Windows设备管理器显示适配器中查询显卡属性，发现设备状态中存在错误“由于该设备有问题，Windows已将其停止”。 判断方式 确认用户发生问题时的操作，是否有出现显存OOM。 如果
如何处理用户自行安装NVIDIA驱动、CUDA软件，安装过程出错问题 问题描述 用户使用不带驱动的公共镜像或私有镜像，自行安装NVIDIA驱动软件包、CUDA软件包，在安装过程中脚本执行报错。 判断方式 确认用户使用的镜像文件。 确认用户的NVIDIA软件包来源。 确认用户想要的
如何处理GPU散热异常，执行nvidia-smi命令发现温度过高 问题原因 显卡散热异常、风扇损坏。 问题影响 显卡温度过高，影响用户业务。 处理方法 执行nvidia-smi命令，查看风扇是否正常。 如果风扇转速为0，说明风扇可能存在损坏，用户停止业务，执行业务迁移后，根据故障
如何处理GPU虚拟机故障，在message日志中发现存在Xid报错 问题原因 XID 说明 32 Invalid or corrupted push buffer stream，推送缓冲区流无效或损坏 74 NVLINK Error. NVLink异常产生的XID，表明GPU硬件故障需要下线维修。
如何处理ECC ERROR：执行nvidia-smi存在SRAM的ECC错误（V100显卡） 问题原因 显存可能某个地方存在异常。 问题影响 可能影响一个或多个GPU的相关应用程序。 处理方法 执行nvidia-smi命令查看显卡信息。 如果在volatile Uncorr. ECC下发现存在ecc
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
