选择GPU节点驱动版本 使用GPU加速型 云服务器 时，需要安装正确的Nvidia基础设施软件，才可以使用GPU实现计算加速功能。在使用GPU前，您需要根据GPU型号，选择兼容配套软件包并安装。 本文将介绍如何选择GPU节点的驱动版本及配套的CUDA Toolkit。 如何选择GPU节点驱动版本

查看更多 →

准备GPU虚拟化资源 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。本文介绍如何在GPU节点上实现GPU的调度和隔离能力。 前提条件 配置 支持版本 集群版本 v1.23.8-r0、v1.25

查看更多 →

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。 版本配套关系：https://docs.nvidia.com/grid/index.html 处理方法 重启GPU弹性云 服务器 。 若显示适配器恢复正常，则恢复完成。

查看更多 →

百分比（%） 主机状态（aom_node_status） 该指标用于统计主机状态是否正常。 0表示正常 1表示异常 无 NTP偏移量（aom_node_ntp_offset_ms） 该指标用于统计主机本地时间与NTP服务器时间的偏移量，NTP偏移量越接近于0，主机本地时间与NTP服务器时间越接近。

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卡 GPU时钟频率 cce_gpu_memory_clock GPU卡 GPU显存频率 cce_gpu_graphics_clock GPU卡 GPU图形处理器频率 cce_gpu_video_clock GPU卡 GPU视频处理器频率 物理状态数据 cce_gpu_temperature

查看更多 →

支持使用GPU虚拟化，您可单击“一键升级”进行升级。如需配置volcano插件参数，请单击“自定义升级”，详情请参见volcano。 单击“安装”，安装gpu-device-plugin插件的任务即可提交成功。 验证插件 插件安装完成后，在GPU节点及调度了GPU资源的容器中执行

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 →

AI套件（NVIDIA GPU） 插件介绍 CCE AI套件（NVIDIA GPU）插件是支持在容器中使用GPU显卡的设备管理插件，集群中使用GPU节点时必须安装本插件。 字段说明 表1 参数描述 参数 是否必选 参数类型 描述 basic 是 object 插件基础配置参数。 custom

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 →

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 →

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 →

表3 请求Body参数 参数 是否必选 参数类型 描述 host_uuids 是 Array of strings 主机id列表 target_group_id 是 String 目标主机集群id 响应参数 状态码： 200 表4 响应Body参数 参数 参数类型 描述 status

查看更多 →

ubject-Token的值） 表3 请求Body参数 参数 是否必选 参数类型 描述 host_id_list 否 Array of strings 主机id列表 响应参数 状态码： 200 表4 响应Body参数 参数 参数类型 描述 status String 请求成功失败状态

查看更多 →

在“目标主机”页签单击“添加或导入主机 ”，选择“通过IP手动添加”，填写以下信息后单击“确定”，完成目标主机的创建。 表3 参数说明 参数项 是否必填 说明 主机名 是 请输入自定义的目标主机名称，示例：目标主机A。 代理主机 是 选择当前主机集群下的一台代理主机。 IP 是 请输

查看更多 →

执行以下命令，查看安装结果。 lspci -d 10de: 图1 安装结果 GPU指标采集需要依赖以下驱动文件，请检查环境中对应的驱动文件是否存在。如果驱动未安装，可参见（推荐）GPU加速型实例自动安装GPU驱动（Linux）。 Linux驱动文件 nvmlUbuntuNvidiaLibraryPath

查看更多 →

CUDA和CUDNN Vnt1机型软件版本建议：gpu driver version : 440.95.01 gpu driver version : 440.95.01（GPU驱动在宿主机中安装，镜像中无需安装） cuda runtime version : 10.2（PyTorch自带，无需关心）

查看更多 →

__support_agent_list String 云服务器是否支持主机安全服务、主机监控。 “hss”：主机安全服务 “ces”：主机监控 lockCheckEndpoint String 回调URL，用于检查云服务器的加锁是否有效。 如果有效，则云服务器保持锁定状态。 如果无效，解除锁定状态，删除失效的锁。

查看更多 →

通过nvidia.com/gpu指定申请GPU的数量，支持申请设置为小于1的数量，比如nvidia.com/gpu: 0.5，这样可以多个Pod共享使用GPU。GPU数量小于1时，不支持跨GPU分配，如0.5 GPU只会分配到一张卡上。 使用nvidia.com/gpu参数指定GPU数量时，re

查看更多 →

ions 紧急 弹性云服务器所在的主机出现故障导致云服务器故障，系统会自动拉起弹性云服务器。 请检查云服务器和业务应用是否恢复正常。 实例故障。 开机失败 faultPowerOn 重要 云服务器开机失败。 确认应用集群业务是否受损。 实例开机失败。 宿主机存在宕机风险 hostMayCrash

查看更多 →

pci_passthrough:enable_gpu String 显卡是否直通。 值为“true”，表示GPU直通。 pci_passthrough:gpu_specs String G1型和G2型云服务器应用的技术，包括GPU虚拟化和GPU直通。 如果该规格的云服务器使用GPU虚拟化技术，且GPU卡的型号为M

查看更多 →