AIXX Pedia › Concept technique › Guide de validation GPU (nvidia-smi/GPU-Z)
Les deux outils standard pour vérifier un GPU : nvidia-smi est l'outil de gestion système en ligne de commande officiel de NVIDIA, livré avec les pilotes, qui permet de lire température/consommation/vitesse des ventilateurs, compteurs d'erreurs ECC et topologie inter-GPU (manuel officiel NVIDIA nvidia-smi) ; GPU-Z est un outil tiers gratuit d'informations sur les cartes graphiques, qui lit les spécifications du chip (nombre de ROP/TMU, Largeur du bus mémoire), le fabricant des puces mémoire, la version du BIOS et les capteurs en temps réel.
Rôle dans les transactions de compute : la « qualité » d'une carte IA d'occasion se juge aux relevés, pas à l'aspect extérieur — nvidia-smi permet de vérifier les erreurs ECC cumulées (erreurs simple/double bit listées séparément, compteurs volatils et cumulés, selon la documentation NVIDIA), de contrôler si les plafonds de température et de consommation ont été modifiés, et topo -m de vérifier les connexions NVLink/PCIe entre cartes et les marquages P2P ; GPU-Z permet de contrôler le nombre de ROP, la Largeur du bus mémoire et la concordance du fabricant des puces mémoire avec les spécifications officielles — une carte regravée et remaquillée se démasque au croisement des relevés.
| Élément | Valeur / périmètre |
|---|---|
| nvidia-smi | Outil en ligne de commande officiel NVIDIA · livré avec les pilotes (manuel officiel NVIDIA nvidia-smi) |
| Lecture ECC | nvidia-smi -q -d ECC : compteurs volatils/cumulés · erreurs simple bit (corrigeables)/double bit (incorrigeables) listées séparément (documentation NVIDIA) |
| Topologie P2P | nvidia-smi topo -m : affiche la matrice de connexions NVLink/PCIe entre cartes et les marquages de support P2P (documentation NVIDIA) |
| GPU-Z | Édité par · permet de lire ROP/Largeur du bus mémoire/fabricant des puces mémoire (Samsung/SK Hynix/Micron) et BIOS |
Dans la réception d'un serveur B300 complet, ce combo est le geste de base : lire ECC et température/consommation carte par carte, et pour une machine à huit cartes, vérifier avec topo -m l'intégrité du domaine NVLink et les marquages P2P paire par paire — il suffit d'un lien NV manquant pour dégrader les performances de communication collective de l'entraînement ; on complète par un stress test all-reduce pour passer de « les specs sont là » à « la performance est là » (la chaîne d'outils de test s'appuie sur l'usage officiel de la bibliothèque de communications collectives NCCL).
Du point de vue de l'acheteur, face aux méthodes de rénovation courantes : la regravure (gravure réimprimée sur le chip) se démasque en croisant les specs chip/mémoire lues par GPU-Z avec la base de données officielle ; le remplacement des puces mémoire se détecte en vérifiant si le fabricant mémoire affiché par GPU-Z correspond au lot d'usine ; les modifications d'alimentation (changement de connecteur, fils volants) se repèrent à l'état du connecteur 12V-2x6 et à la qualité du câblage — on ne conclut qu'en croisant relevés logiciels et traces physiques.