PowerEdge R7515 med NVIDIA T4 GPU fandt kritisk Xid-fejl, og GPU stoppede behandlingen

PowerEdge R7515 med NVIDIA T4 GPU, der kører et program, der blev fundet kritisk Xid-fejl, og GPU'en stoppede behandlingen.

1. Opdater GPU CUDA og driver til den nyeste version, CUDA Toolkit 12: 12.2.2 NVIDIA datacenter GPU-driver: 535.129.03 (Linux), aktiverede GPU-persistenstilstand, kørte derefter brugerens APP-test og har stadig en fejl: Der blev fundet kritisk xid-fejl.
2. Nvidia-bug-report log check har en masse NVRM:Xid:8 fejl, GPU Aktuel Temp: 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. Start fra SLI 3.0 og kør NVIDIA Tesla GPU 629 Feltdiagnosticering er BESTÅET.
 

Ikke tilgængelig

1. Arbejde med Xid-fejl XID: 8 til før test forventer driverfejlen, busfejlen, termisk problem, Det ser ud til, at brugeren App-fejl.

2.Lad brugeren kontrollere applikationsprogrammet, så deaktiverede brugeren xorg, og problemet var væk.