GPU故障排除

一、为啥要单独停用服务器上的某块GPU？ 咱们搞AI训练或者做图形渲染的兄弟应该都懂，服务器里那几块GPU就像是自己的宝贝疙瘩。但有时候吧，某块GPU突然就开始”闹脾气”了——可能是风扇嗡嗡响得吓人，也可能是跑着跑着就死机，更常见的是性能莫名其妙掉了一大截。这时候你就得考虑把它单独关掉，总不能因为一块显卡有问题，就把整个服务器重启吧？…