GPU实例故障处理流程 GPU实例故障处理流程如图1所示，对应的操作方法如下： CES监控事件通知：配置GPU的CES监控后会产生故障事件通知。 故障信息收集：可使用GPU故障信息收集脚本一键收集，也可参考故障信息收集执行命令行收集。 GPU实例故障分类列表：根据错误信息在故障分类列表中识别故障类型。

查看更多 →

GPU节点驱动版本 选择GPU节点驱动版本 CCE推荐的GPU驱动版本列表 手动更新GPU节点驱动版本 通过节点池升级节点的GPU驱动版本 父主题： GPU调度

查看更多 →

使用GPU虚拟化 本文介绍如何使用GPU虚拟化能力实现算力和显存隔离，高效利用GPU设备资源。 前提条件 已完成GPU虚拟化资源准备。 如果您需要通过命令行创建，需要使用kubectl连接到集群，详情请参见通过kubectl连接集群。 约束与限制 单个GPU卡最多虚拟化成20个GPU虚拟设备。

查看更多 →

如何避免非GPU/NPU负载调度到GPU/NPU节点？ 问题现象 当集群中存在GPU/NPU节点和普通节点混合使用的场景时，普通工作负载也可以调度到GPU/NPU节点上，可能出现GPU/NPU资源未充分利用的情况。 问题原因 由于GPU/NPU节点同样提供CPU、内存资源，在一般

查看更多 →

virtual_env_type,enterprise_project_id,created_at,updated_at,architecture} 可以在URI后面用‘?’和‘&’添加不同的查询条件组合，请参考请求样例。 表1 查询参数 参数 是否必选 参数类型 描述 __isregistered 否 String

查看更多 →

测试用例创建完毕后，用户可直接在仿真机器上查看场景运行效果。 单击用例名称后“操作”栏内的“查看场景”，选择一台仿真机器，运行测试用例。 查询用例 可按照＂用例ID＂、＂用例名称＂查询测试用例，也可在搜索框中输入搜索内容对用例进行查询。 删除用例 对于自定义用例，用户可单击用例名称后“操作”栏下的“删除”，删除该场景测试用例。

查看更多 →

手动迁移可以在一键迁移有问题后，以此为线索来进行逐个适配，或者对于代码实现比较了解的前提下，主动完成代码改造。 常见问题 如何检测当前的torch_npu是否正确安装？ 可以用如下的python命令在对应的运行环境中初步校验torch_npu是否正常安装。 python3 -c "import

查看更多 →

GPU A系列裸金属 服务器 更换NVIDIA和CUDA 场景描述 当裸金属服务器预置的NVIDIA版本和业务需求不匹配时，需要更换NVIDIA驱动和CUDA版本。本文介绍华为云A系列GPU裸金属服务器（Ubuntu20.04系统）如何从“NVIDIA 525+CUDA 12.0”更换为“NVIDIA

查看更多 →

模型转换失败怎么办？ 图片大Shape性能劣化严重怎么办？ 同样功能的PyTorch Pipeline，因为指导要求适配onnx pipeline，两个pipeline本身功能就有差别，如何适配？ AOE的自动性能调优使用上完全没有效果怎么办？ 迁移后应用出图效果相比GPU无法对齐怎么办

查看更多 →

Windows 云服务器 卡顿怎么办？ 当您发现云服务器的运行速度变慢或云服务器实例突然出现网络断开的情况，则可能是云服务器的带宽和CPU利用率过高导致。如果您已经通过云监控服务完成创建过告警任务，当CPU或带宽利用率高时，系统会自动发送告警给您。 Windows云服务器带宽流量过高或

查看更多 →

Windows云服务器卡顿怎么办？ 当您发现云服务器的运行速度变慢或云服务器突然出现网络断开现象，则可能是由以下原因导致的： 云服务器使用共享资源型实例。 由于共享型资源实例是多实例共享CPU，当资源不足时，实例间可能出现CPU资源争抢，导致云服务器卡顿。 云服务器的带宽和CPU使用率过高。

查看更多 →

Linux云服务器卡顿怎么办？ 当您发现云服务器的运行速度变慢或云服务器突然出现网络断开现象，则可能是由以下原因导致的： 云服务器使用共享资源型实例。 由于共享型资源实例是多实例共享CPU，当资源不足时，实例间可能出现CPU资源争抢，导致云服务器卡顿。 云服务器的带宽和CPU使用率过高。

查看更多 →

应用GPU资源调度方式 IEF支持多应用共享的方式使用GPU显卡。 IEF支持单个应用使用多个GPU显卡。 GPU资源调度基于GPU显存容量，调度采用GPU显存预分配方式而非实时GPU显存资源。 当应用需要使用的GPU显存资源小于单个GPU卡显存时，支持以共享方式进行资源调度，对

查看更多 →

GPU实例故障自诊断 GPU实例故障，如果已安装GPU监控的CES Agent，当GPU服务器出现异常时则会产生事件通知，可以及时发现问题避免造成用户损失。如果没有安装CES Agent，只能依赖用户对故障的监控情况，发现故障后及时联系技术支持处理。 GPU实例故障处理流程 GPU实例故障分类列表

查看更多 →

安装nvidia-fabricmanager服务 A100/A800 GPU支持 NvLink & NvSwitch，若您使用多GPU卡的机型，需额外安装与驱动版本对应的nvidia-fabricmanager服务使GPU卡间能够互联，否则可能无法正常使用GPU实例。 本文以驱动版本470.103

查看更多 →

GPU插件检查异常处理 检查项内容 检查到本次升级涉及GPU插件，可能影响新建GPU节点时GPU驱动的安装。 解决方案 由于当前GPU插件的驱动配置由您自行配置，需要您验证两者的兼容性。建议您在测试环境验证安装升级目标版本的GPU插件，并配置当前GPU驱动后，测试创建节点是否正常使用。

查看更多 →

/nvidia-smi 若能正常返回GPU信息，说明设备可用，插件安装成功。 GPU驱动支持列表 当前GPU驱动支持列表仅针对1.2.28及以上版本的GPU插件。 如果您需要安装最新版本的GPU驱动，请将您的GPU插件升级到最新版本。 表1 GPU驱动支持列表 GPU型号 支持集群类型 机型规格

查看更多 →

GPU虚拟化概述 CCE GPU虚拟化采用自研xGPU虚拟化技术，能够动态对GPU设备显存与算力进行划分，单个GPU卡最多虚拟化成20个GPU虚拟设备。相对于静态分配来说，虚拟化的方案更加灵活，最大程度保证业务稳定的前提下，可以完全由用户自己定义使用的GPU量，提高GPU利用率。

查看更多 →

执行reboot命令，重启服务器。 （可选）GPU加速型弹性云服务器结果验证 对于GPU加速型弹性云服务器，在安装完图形化界面后，可通过如下操作验证驱动是否正常工作。 登录管理控制台。 为弹性云服务器配置安全组。 单击弹性云服务器名称，查看弹性云服务器详情，在弹性云服务器详情页面，选择“安全组”。

查看更多 →

云渲游平台使用统一身份认证服务实现认证和鉴权功能。 GPU加速型云服务器 GA CS GPU加速型云服务器（GPU Accelerated Cloud Server, GACS）能够提供强大的浮点计算能力，从容应对高实时、高并发的海量计算场景。您可以在创建时选择相应规格的GPU加速型云服务器。 在云

查看更多 →

Linux云服务器卡顿怎么办？ 当您发现云服务器的运行速度变慢或云服务器实例突然出现网络断开现象，则可能是云服务器的带宽和CPU使用率过高导致。如果您已经通过云监控服务完成创建过告警任务，当CPU或带宽利用率高时，系统会自动发送告警给您。 Linux云服务器实例带宽流量过高或CPU使用率高，您可以按如下步骤进行排查：

查看更多 →