NVIDIA T4 GPU'ya sahip PowerEdge R7515'te Kritik Xid Hatası algılandı ve GPU işlemeyi durdurdu

Bir uygulama programı çalıştıran NVIDIA T4 GPU'ya sahip PowerEdge R7515 , Kritik Xid Hatası algılandı ve GPU işlemeyi durdurdu.

1.GPU CUDA ve sürücüsünü en son sürüm olan CUDA Toolkit 12'ye güncelleyin: 12.2.2 NVIDIA Veri Merkezi GPU Sürücüsü: 535.129.03 (Linux), GPU Kalıcılık modunu etkinleştirdi, ardından kullanıcının APP testini çalıştırdı ve hala bir hata var: Kritik Xid Hatası Algılandı.
2. Nvidia-hata-raporu günlük kontrolünde çok fazla NVRM:Xid:8 hatası var, GPU Geçerli Sıcaklık: 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.SLI3.0'dan önyükleme ve NVIDIA Tesla GPU 629 Alan tanılaması GEÇERLİDİR.
 

N/A

1. Xid Hataları XID ile Çalışmak: 8 testten önce sürücü hatası, veri yolu hatası, termal sorun bekliyoruz, Kullanıcı Uygulaması hatası gibi görünüyor.

2. Kullanıcının uygulama programını kontrol etmesine izin verin, ardından kullanıcı xorg'u devre dışı bıraktı ve sorun ortadan kalktı.