最近有台四卡服务器在使用时，经常出现以下错误：
Unable to determine the device handle for GPU 0000:05:00.0: GPU is lost. Reboot the system to recover this GPU
据调查，此现象通常出现于batch size过大时，改小再运行，就会出现这个问题。
解决方案：
初步断定是GPU频繁启停问题，所以进行永久化：
sudo nvidia-smi -pm 1
目前测试良好。
|
1 2 3 4 5 6 7 |
sipl@sipl:~$ sudo nvidia-smi -pm 1 [sudo] password for sipl: Enabled persistence mode for GPU 00000000:05:00.0. Enabled persistence mode for GPU 00000000:06:00.0. Enabled persistence mode for GPU 00000000:09:00.0. Enabled persistence mode for GPU 00000000:0A:00.0. All done. |
此操作每次重启后失效，所以建议写进/etc/rc.local设置开机自启。
最新评论
站长您好，亚马逊云咨询推广资源，望建立联系，可邮件，谢谢。
换友情链接吗？
看你的站做的挺不错的
恭喜！！太强了，硕博连读啊
雁过留毛，人过留名。
看不懂但大受震撼
每天都在战争，希望2026和平.
ZeroTier 看过多篇帖子，目前群辉、飞牛os、win11 、安卓、ubuntu ≥18.04 顺利通过，这篇相对于简单 实用、特来感谢 🙄