显卡掉线

最近不少朋友在运维GPU服务器时遇到了一个让人头疼的问题——显卡时不时就“掉线”了。特别是在运行AI训练、深度学习这类高负载任务时，显卡突然从系统中消失，导致训练任务中断，损失可不小。今天就和大家聊聊GPU服务器掉卡的常见原因和解决办法。 供电不稳是掉卡的“头号杀手” GPU满载时功耗能飙到很高，比如H100满载功耗能达到400W以上。供电不稳很容易导致掉卡…