PowerEdge R7515 con GPU NVIDIA T4 detectó un error xid crítico y la GPU dejó de procesar

PowerEdge R7515 con GPU NVIDIA T4 ejecutando un programa de aplicación detectó un error xid crítico y la GPU dejó de procesar.

1. Actualice el controlador y CUDA de la GPU a la versión más reciente, CUDA Toolkit 12: 12.2.2 Controlador de NVIDIA Data Center GPU: 535.129.03 (Linux), habilitó el modo de persistencia de GPU, luego ejecuta la prueba de la aplicación del usuario y aún tiene un error: Se detectó un error xid crítico.
2. La comprobación del registro del informe de errores de nvidia tiene muchos errores NVRM:Xid:8, temperatura actual de la GPU: 42 C.

Driver Version: 535.129.03
CUDA Version: 12.2
Temperature
GPU Current Temp: 42 C
GPU T.Limit Temp: N/A
GPU Shutdown Temp: 96 C
GPU Slowdown Temp: 93 C
GPU Max Operating Temp: 85 C

Nov 27 10:18:12 dell-PowerEdge-R7515 kernel: [160879.547208] NVRM: Xid (PCI:0000:81:00): 8, pid=1020, name=Xorg, Channel 00000002
...
/var/log/dmesg:
Nov 25 13:36:52 dell-PowerEdge-R7515 kernel: nvidia-nvlink: NVLInk Core is being initialized, major device number 236
Nov 25 13:36:52 dell-PowerEdge-R7515 kernel: NVRM: Loading NVIDIA UNIX x86_64 Kernel Module 535.129.03 Thu Oct 19 18:56:32 UTC 2023
Nov 25 13:36:52 dell-PowerEdge-R7515 kernel: nvidia-modeset: Loading NVIDIA Kernel Mode Setting Driver for UNIX platforms 535.129.03 Thu Oct 19 18:42:12 UTC 2023
Nov 25 13:36:52 dell-PowerEdge-R7515 kernel: [drm] [nvidia-drm] [GPU ID 0x00008100] Loading driver
Nov 25 13:36:52 dell-PowerEdge-R7515 kernel: [drm] Initialized nvidia-drm 0.0.0 20160202 for 0000:81:00.0 on minor 1
Nov 25 13:37:04 dell-PowerEdge-R7515 kernel: NVRM: GPU at PCI:0000:81:00: GPU-61e384ab-7c8f-7ebf-efba-da6a7d862a33
Nov 25 13:37:04 dell-PowerEdge-R7515 kernel: NVRM: GPU Board Serial Number: 1320223053140
Nov 25 13:37:04 dell-PowerEdge-R7515 kernel: NVRM: Xid (PCI:0000:81:00): 8, pid=1020, name=Xorg, Channel 00000002
...
Nov 27 10:18:12 dell-PowerEdge-R7515 kernel: NVRM: Xid (PCI:0000:81:00): 8, pid=1020, name=Xorg, Channel 00000002

3. Arranque desde SLI3.0 y ejecute la GPU NVIDIA Tesla 629 Se aprobaron los diagnósticos de campo.
 

N/D

1. Al trabajar con errores XID XID : 8 antes de la prueba, espere el error del controlador, el error del bus, el problema térmico, parece el error de la aplicación del usuario.

2.Permita que el usuario compruebe el programa de aplicación. Luego, el usuario deshabilitó xorg y el problema desapareció.