文档首页/ 弹性云服务器 ECS/ 故障排除/ GPU实例故障自诊断/ 显卡故障诊断及处理方法/ 如何处理ECC ERROR：执行nvidia-smi存在SRAM的ECC错误（V100显卡）
更新时间：2024-08-15 GMT+08:00
查看PDF
分享

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 error，执行nvidia-smi -q -i &.{gpu_id}查看卡的详细信息。
  • 如果在volatile Uncorr. ECC下未发现ecc error，可以执行nvidia-smi -q查看所有的卡。
  • 如果volatile下Single Bit或Aggregate下的Single Bit仅有Device Memory项有数值增加，不影响使用，无需处理。
  • 如果volatile下Single Bit、Double bit或Aggregate下的Single Bit、Double bit存在Register File+L1 Cach +L2 Cache+Texture Memory+Texture Shared+CBU > 0，则根据故障信息收集收集故障信息后联系技术支持处理。