华为云AI开发平台ModelArtsGPU A系列裸金属服务器RoCE带宽不足问题解决方法_云淘科技
问题现象 NVIDIA Ant8支持RoCE网卡， Ubuntu20.04场景，在进行nccl-tests时，总线带宽理论峰值可达90GB/s，但实际测试下来的结果只有35GB/s。 原因分析 “nv_peer_mem”是一个Linux 内…
华为云AI开发平台ModelArtsGPU Ant8裸金属服务器Ubuntu 20.04安装NVIDIA 525+CUDA 12.0_云淘科技
场景描述 本文旨在指导完成GPU Ant8裸金属服务器装机和nccl-test测试。装机软件预览如下： 表1 装机软件 软件类型 版本详情 预置操作系统 Ubuntu 20.04 server 64bit nvidia-driver 525…
华为云AI开发平台ModelArts如何将Ubuntu20.04内核版本从低版本升级至5.4.0-144-generic_云淘科技
场景描述 Ubuntu20.04内核版本从低版本升级至5.4.0-144-generic。 操作指导 检查当前内核版本。 uname -r 升级内核 apt-get install linux-headers-5.4.0-144-gener…
华为云AI开发平台ModelArtsGPU Ant8裸金属服务器Ubuntu 20.04安装NVIDIA 470+CUDA 11.3_云淘科技
场景描述 本文介绍如何配置NVIDIA驱动、CUDA和FabricManager， 并安装PyTorch2.0，最后验证是否正常运行。 服务器信息： GPU Ant8裸金属服务器 操作系统：Ubuntu 20.04 server 64bit…
华为云AI开发平台ModelArts如何禁止Ubuntu 20.04内核自动升级_云淘科技
场景描述 在Ubuntu 20.04每次内核升级后，系统需要重新启动以加载新内核。如果您已经安装了自动更新功能，则系统将自动下载和安装可用的更新，这可能导致系统在不经意间被重启，若使用的软件依赖于特定版本的内核，那么当系统自动更新到新的内核…
华为云AI开发平台ModelArtsGPU裸金属服务器使用EulerOS 内核误升级解决方案_云淘科技
问题现象 GPU V100裸金属服务器，操作系统为 EulerOS 2.9(基于CentOS制作的Linux发行版)，经常遇到服务器重启后，操作系统内核无故升级，导致系统上原安装的nvidia-driver等软件无法使用，只能卸载重新安装。…
华为云AI开发平台ModelArtsAtlas800训练服务器硬件指南_云淘科技
场景描述 本文提供Atlas800训练服务器硬件相关指南，包括三维视图、备件信息、HCCL常用方法以及网卡配置信息。 Atlas 800训练服务器三维视图 Atlas 800 训练服务器（型号9000）是基于华为鲲鹏920+Snt9处理器的…
华为云AI开发平台ModelArtsGPU V100裸金属服务器支持的镜像详情_云淘科技
V100规格在北京四、北京一和上海一虽然规格相同，但是产品的配置、发布时间都存在很大差异，因此镜像不能共用。 镜像1：Ubuntu18.04 纯净版（仅限于北京四） 镜像名称：Ubuntu-18.04-server-64bit-for-V1…
华为云AI开发平台ModelArtsGPU V100裸金属服务服务器用PyTorch报错CUDA initialization:CUDA unknown error_云淘科技
问题现象 在V100 GPU裸金属服务器（Ubuntu18.04系统），根据GPU V100裸金属服务器Ubuntu 18.04安装NVIDIA 470+CUDA 11.4安装NVIDIA 470+CUDA 11.4后使用“nvidia-s…
华为云AI开发平台ModelArtsGPU Ant8裸金属服务器支持的镜像详情_云淘科技
镜像1：Ubuntu20.04 With Nvidia Driver 525 镜像名称：Ubuntu 20.04 x86 64bit SDI3 for Ant8 BareMetal with RoCE and NVIDIA-525 CUDA…
