Problemas relacionados ao GPU B200

Use essas informações para resolver problemas relacionados a GPUs.

Verificação de funcionamento de GPUs

Nota

Use um dos utilitários a seguir para verificar o status de funcionamento da GPU. Atualize o driver da GPU, que inclui os utilitários necessários a seguir. O driver mais recente pode ser localizado em Site de download de drivers e software para o ThinkSystem SR780a V3.

Para obter mais informações sobre informações da SMI (System Management Interface), consulte Interface de Gerenciamento do Sistema NVIDIA.

nvidia-smi
Execute o utilitário nvidia-smi para exibir as oito GPUs online.
Nota
Os números de GPU (0 a 7) na saída correspondem aos números lógicos. A tabela a seguir mostra as informações de mapeamento entre os números lógicos e os soquetes de GPU físicos.
Número lógico Soquete de GPU físico Local do soquete de GPU
0 GPU 5

1 GPU 7
2 GPU 8
3 GPU 6
4 GPU 1
5 GPU 3
6 GPU 4
7 GPU 2
Figura 1. nvidia-smi
nvidia-smi -L
Execute o utilitário nvidia-smi -L para exibir as oito GPUs online com UUID.
Nota
Os números de GPU (0 a 7) na saída correspondem aos números lógicos. A tabela a seguir mostra as informações de mapeamento entre os números lógicos e os soquetes de GPU físicos.
Número lógico Soquete de GPU físico Local do soquete de GPU
0 GPU 5

1 GPU 7
2 GPU 8
3 GPU 6
4 GPU 1
5 GPU 3
6 GPU 4
7 GPU 2
Figura 2. nvidia-smi -L
nvidia-smi -q --id=1 -f <output file name>
Execute o utilitário nvidia-smi -q --id=1 -f <output file name> para exportar informações de inventário de GPU.
Digite o nome do arquivo desejado em <output file name> para armazenar a saída. Por exemplo: nvidia-smi -q --id=1 -f /tmp/queryoam1.txt.
Figura 3. nvidia-smi -q --id=1 -f <output file name>

Número lógico	Soquete de GPU físico	Local do soquete de GPU
0	GPU 5
1	GPU 7
2	GPU 8
3	GPU 6
4	GPU 1
5	GPU 3
6	GPU 4
7	GPU 2

Número lógico	Soquete de GPU físico	Local do soquete de GPU
0	GPU 5
1	GPU 7
2	GPU 8
3	GPU 6
4	GPU 1
5	GPU 3
6	GPU 4
7	GPU 2

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

Execute o utilitário nvidia-smi --id=0 -q -d ECC,PAGE_RETIREMENT para exportar erros ECC (Verificação e Correção de Erros) e status de páginas desativadas.

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
Execute o utilitário nvidia-smi pci --getErrorCounters para exibir contadores de erro das oito GPUs.
Figura 4. nvidia-smi pci --getErrorCounters
nvidia-smi pci --getErrorCounters --id=<id number>
Execute o utilitário nvidia-smi pci --getErrorCounters --id=<id number> para exibir contadores de erro de uma GPU específica.
Digite o número de ID de uma GPU específica em <id number>. Por exemplo: nvidia-smi pci --getErrorCounters --id=2.
Figura 5. nvidia-smi pci --getErrorCounters --id=<id number>

O sistema não consegue detectar uma GPU específica

Quando um dos eventos é exibido no log de eventos da Web XCC, isso indica que o sistema não consegue detectar uma ou mais GPUs específicas.

Quando o evento FQXSPIO0015M: Falha no slot [PhysicalConnectorSystemElementName] no sistema [ComputerSystemElementName]. é exibido, consulte FQXSPIO0015M para resolver o problema.
Quando o evento FQXSFIO0010M: Ocorreu um erro PCIe incorrigível no barramento [arg1] dispositivo [arg2] função [arg3]. O ID do Fornecedor do dispositivo é [arg4] e o ID do Dispositivo é [arg5]. O número físico [arg6] é [arg7]. é exibido, consulte FQXSFIO0010M para resolver o problema.
Nota
Parâmetros:
- [arg1] Barramento
- [arg2] Dispositivo
- [arg3] Função
- [arg4] VID
- [arg5] DID
- [arg6] Slot/compartimento
- [arg7] Número da instância
Quando o evento FQXSPUN0019M : Sensor [SensorElementName] fez a transição de um estado menos grave para crítico. é exibido, consulte FQXSPUN0019M para resolver o problema.

Nota

A tabela a seguir mostra as informações de mapeamento entre a numeração de slot no XCC e os soquetes de GPU físicos.

Numeração de slot no XCC	Soquetes de GPU físicos	Local dos soquetes de GPU
Slot 17	GPU 5
Slot 18	GPU 7
Slot 19	GPU 8
Slot 20	GPU 6
Slot 21	GPU 1
Slot 22	GPU 3
Slot 23	GPU 4
Slot 24	GPU 2

Enviar feedback

Problemas relacionados ao GPU B200

Verificação de funcionamento de GPUs​

O sistema não consegue detectar uma GPU específica​

Verificação de funcionamento de GPUs

O sistema não consegue detectar uma GPU específica