Problemi relativi alla GPU H100/H200

nvidia-smi

Eseguire l'utilità nvidia-smi per visualizzare le otto GPU online.

Nota

I numeri GPU (da 0 a 7) nell'output sono i numeri logici. La tabella seguente mostra le informazioni di associazione tra i numeri logici e i socket fisici delle GPU.

Numero logico	Socket fisico della GPU	Posizione del socket della GPU
0	GPU 3
1	GPU 1
2	GPU 2
3	GPU 4
4	GPU 7
5	GPU 5
6	GPU 6
7	GPU 8

Figura 1. nvidia-smi

nvidia-smi -L

Eseguire l'utilità nvidia-smi -L per visualizzare le otto GPU online con UUID.

Nota

I numeri GPU (da 0 a 7) nell'output sono i numeri logici. La tabella seguente mostra le informazioni di associazione tra i numeri logici e i socket fisici delle GPU.

Numero logico	Socket fisico della GPU	Posizione del socket della GPU
0	GPU 3
1	GPU 1
2	GPU 2
3	GPU 4
4	GPU 7
5	GPU 5
6	GPU 6
7	GPU 8

Figura 2. nvidia-smi -L

nvidia-smi -q --id=1 -f <output file name>

Eseguire l'utilità nvidia-smi -q --id=1 -f <output file name> per esportare le informazioni sull'inventario della GPU.

Digitare il nome del file desiderato in <output file name> per memorizzare l'output. Ad esempio: nvidia-smi -q --id=1 -f /tmp/queryoam1.txt.

Figura 3. nvidia-smi -q --id=1 -f <output file name>

nvidia-smi --id=0 -q -d ECC,PAGE_RETIREMENT

Eseguire l'utilità nvidia-smi --id=0 -q -d ECC,PAGE_RETIREMENT per esportare gli errori ECC (Error Checking and Correction) e lo stato delle pagine ritirate.

ECC Mode
    Current                           : Enabled
    Pending                           : Enabled
Ecc Errirs
    Volatile
        SRAM Correctable              : 0
        SRAM Uncorrectable Parity     : 0
        SRAM Uncorrectable SEC-DED    : 0
        DRAM Correctable              : 0
        DRAM Uncorrectable:           : 0
    Aggregate
        SRAM Correctable              : 0
        SRAM Uncorrectable Parity     : 0
        SRAM Uncorrectable SEC-DED    : 0
        DRAM Correctable              : 0
        DRAM Uncorrectable            : 0
        SRAM Threshold Exceeded       : No
    Aggregate Uncorrectable SRAM Sources
        SRAM L2                       : 0
        SRAM SM                       : 0
        SRAM Microcontroller          : 0
        SRAM PCIE                     : 0
        SRAM Other                    : 0
    Retired Pages
        Single Bit ECC                : N/A
        Double Bit ECC                : N/A
        Pending Page Blacklist        : N/A

nvidia-smi pci --getErrorCounters

Eseguire l'utilità nvidia-smi pci --getErrorCounters per visualizzare i contatori degli errori delle otto GPU.

Figura 4. nvidia-smi pci --getErrorCounters

nvidia-smi pci --getErrorCounters --id=<id number>

Eseguire l'utilità nvidia-smi pci --getErrorCounters --id=<id number> per visualizzare i contatori degli errori di una GPU specifica.

Digitare il numero ID di una GPU specifica in <id number>. Ad esempio: nvidia-smi pci --getErrorCounters --id=2.

Figura 5. nvidia-smi pci --getErrorCounters --id=<id number>