PowerEdge R7515 con GPU NVIDIA T4 ha rilevato un errore Xid critico e la GPU ha interrotto l'elaborazione

PowerEdge R7515 con GPU NVIDIA T4 che esegue un programma applicativo È stato rilevato un errore Xid critico e la GPU ha interrotto l'elaborazione.

1. aggiornare il CUDA della GPU e il driver all'ultima versione, CUDA Toolkit 12: 12.2.2 Driver NVIDIA Data Center GPU: 535.129.03 (Linux), abilitata la modalità di persistenza GPU, quindi durante l'esecuzione del test dell'APP dell'utente si verifica ancora un errore: Rilevato errore xid critico.
2. Il controllo del registro nvidia-bug-report presenta molti errori NVRM:Xid:8, temperatura corrente 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. eseguire l'avvio da SLI3.0 e l'esecuzione di NVIDIA Tesla GPU 629 La diagnostica sul campo è SUPERATA.
 

N/D

1. Lavorare con gli errori XID XID : 8 per prima del test aspettarsi l'errore del driver, l'errore del bus, il problema termico, sembra l'errore dell'app dell'utente.

2. Lasciare che l'utente controlli il programma applicativo, quindi l'utente disabilita xorg e il problema scompare.