目录

• 1. 概述
• 2. 初始事件报告
• 3. GPU 节点分类
  • 3.1. 报告 GPU 问题
  • 3.2. 理解 Xid 消息
  • 3.3. 运行 DCGM 诊断
  • 3.4. 运行现场诊断
  • 3.5. 网络测试
  • 3.6. 调试应用程序
• 4. 最佳实践
  • 4.1. 收集节点指标
  • 4.2. 在错误发生前发现错误
• 5. 通知
  • 5.1. 商标