-
显存溢出错误
![]()
max_split_size_mb to avoid fragmentation. 解决方法： 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数：TP张量并行（tensor-model-parallel-size）
来自：帮助中心 -
显存溢出错误
![]()
max_split_size_mb to avoid fragmentation. 解决方法： 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数：TP张量并行（tensor-model-parallel-size）
来自：帮助中心 -
显存溢出错误
![]()
max_split_size_mb to avoid fragmentation. 解决方法 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数：TP张量并行（tensor-model-parallel-size）
来自：帮助中心 -
显存溢出错误
![]()
max_split_size_mb to avoid fragmentation. 解决方法： 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数：TP张量并行（tensor-model-parallel-size）
来自：帮助中心 -
显存溢出错误
![]()
max_split_size_mb to avoid fragmentation. 解决方法： 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数：TP张量并行（tensor-model-parallel-size）
来自：帮助中心 -
显存溢出错误
![]()
max_split_size_mb to avoid fragmentation. 解决方法 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数：TP张量并行（tensor-model-parallel-size）
来自：帮助中心 -
显存溢出错误
![]()
max_split_size_mb to avoid fragmentation. 解决方法： 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数：TP张量并行（tensor-model-parallel-size）
来自：帮助中心 -
显存溢出错误
![]()
max_split_size_mb to avoid fragmentation. 解决方法： 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数：TP张量并行（tensor-model-parallel-size）
来自：帮助中心 -
显存溢出错误
![]()
max_split_size_mb to avoid fragmentation. 解决方法： 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数：TP张量并行（tensor-model-parallel-size）
来自：帮助中心 -
显存溢出错误
![]()
max_split_size_mb to avoid fragmentation. 解决方法 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数：TP张量并行（tensor-model-parallel-size）
来自：帮助中心 -
显存溢出错误
![]()
max_split_size_mb to avoid fragmentation. 解决方法 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数：TP张量并行（tensor-model-parallel-size）
来自：帮助中心 -
显存溢出错误
![]()
max_split_size_mb to avoid fragmentation. 解决方法： 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数：TP张量并行（tensor-model-parallel-size）
来自：帮助中心 -
显存溢出错误
![]()
max_split_size_mb to avoid fragmentation. 解决方法 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数：TP张量并行（tensor-model-parallel-size）
来自：帮助中心 -
显存溢出错误
![]()
max_split_size_mb to avoid fragmentation. 解决方法 通过npu-smi info查看是否有进程资源占用NPU，导致训练时显存不足。解决可通过kill掉残留的进程或等待资源释放。 可调整参数：TP张量并行（tensor-model-parallel-size）
来自：帮助中心 -
应用GPU资源调度方式
![]()
剩余显存资源是2G、4G、6G，有应用A 需要显存3G，则会调度到b显卡上。 当应用需要使用的GPU显存资源大于单个GPU卡显存时，支持以多显卡方式进行资源调度，调度时会占用完整显卡资源（剩余部分不能分给其他容器）。例如有三个显卡a、b、c，每个显卡显存资源是8G，剩余显存资源是8G、8G、6G，有应用B
来自：帮助中心 -
GPU加速型
-
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
![]()
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。 如果用户使用的是vGPU实例，确认实例安装的驱动与主机的驱动版本是否匹配。 登录实例所在主机。 执行nvidia-smi命令，查看驱动版本，并对照版本配套关系。
来自：帮助中心 -
云服务器备份有配额限制吗？
![]()
云服务器备份有配额限制吗？ 云服务器备份有配额限制，且受云硬盘备份的配额限制影响，云服务器备份会同时占用云硬盘备份的配额。当云硬盘备份的配额不足时，无法进行云服务器备份。 在进行云服务器备份时，系统会自动调整云硬盘备份配额，避免因配额不足导致备份失败。 限定配额仅仅是为了防止资源
来自：帮助中心 -
GPU故障处理
-
资源和成本规划
![]()
RTX5000：图形设计|16核|32GB内存|16G显存 A40：云工作站D7型|8核|32GB内存|4G显存 1 弹性公网IP 带宽费用: 独享 | 全动态BGP | 按带宽计费 | 10Mbit/s x2 1 PLM 弹性云服务器 ECS 通用计算增强型 c7.4xlarge.2
来自：帮助中心 -
基础指标：Modelarts指标
![]()
2（20%），可能有如下情况： 在整个时间间隔内，有20%的SM的Tensor Core以100%的利用率运行。 在整个时间间隔内，有100%的SM的Tensor Core以20%的利用率运行。 在整个时间间隔的1/5时间内，有100%的SM上的Tensor Core以100%利用率运行。
来自：帮助中心
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
