AI开发平台ModelArts
场景描述 本文指导如何进行节点内NVLINK带宽性能测试，适用的环境为：Ant8或者Ant1 GPU裸金属服务器， 且服务器中已经安装相关GPU驱动软件，以及Pytorch2.0。 GPU A系列裸金属服务器，单台服务器GPU间是走NVLI…
问题现象 裸金属服务器EulerOS 2.8系统下，使用yum update -y命令，导致软件NetworkManagre-config-server升级到高版本, 出现SSH链接故障无法访问。 原因分析 查看yum命令历史，发现执行了“…
场景描述 本文主要指导如何在GPU A系列裸金属服务器上测试RoCE性能带宽。 前提条件 GPU A系列裸金属服务器已经安装了IB驱动。（网卡设备名称可以使用ibstatus或者ibstat获取。华为云Ant8裸金属服务器使用Ubuntu2…
问题现象 服务器没有任务，但GPU显示被占用。 图1 显卡运行状态 处理方法 nvidia-smi -pm 1 父主题： FAQ 同意关联代理商云淘科技，购买华为云产品更优惠（QQ 78315851） 内容没看懂？ 不太想学习？想快速解决？…
场景描述 本文介绍如何华为云裸金属服务器中安装NVIDIA和CUDA驱动（以Ant8规格为例）。 1. 安装NVIDIA驱动 打开NVIDIA官方网站。 根据Ant8的详细信息和您所需的cuda版本选择驱动 图1 驱动选择 选择后会自动出现…
场景描述 本文指导如何在V100裸金属服务器上安装Docker环境（服务器系统需为Ubuntu18.04或Ubuntu20.04）。 操作步骤 NVIDIA驱动安装。 wget https://us.download.nvidia.com/…
问题现象 在高性能8卡GPU的裸金属上的训练任务突然变慢，以前1个epoch约2小时执行完成，最近1个epoch需要2天才能执行完成，并且执行“nvidia-smi”也明显变很卡顿。 原因分析 根据现象描述可能出现了nvidia-smi D…
场景描述 本文主要介绍如何配置华为云BMS+CES联合提供的裸金属服务器的指标监控方案，可帮助您查看CPU相关监控指标、CPU负载类相关监控指标、内存相关监控指标、磁盘相关监控指标、磁盘I/O类、文件系统类、网卡类、软RAID相关监控指标和…
前提条件 专属资源池未适配1.23以上的CCE版本，故在本指导适用于1.23版本CCE。 已购买资源，购买资源步骤请参考集群资源购买。 操作步骤 Step 1：登录节点 Step 2：配置kubectl工具 Step 3：准备业务基础镜像 …
场景描述 本文主要介绍如何配置DCGM监控。DCGM是用于管理和监控基于Linux系统的NVIDIA GPU大规模集群的一体化工具，提供多种能力，包括主动健康监控、诊断、系统验证、策略、电源和时钟管理、配置管理和审计等。 前提条件 裸金属服…
