AIXX Pedia › Техническая концепция › Руководство по проверке GPU (nvidia-smi/GPU-Z)
Два стандартных инструмента для проверки GPU: nvidia-smi — официальная утилита командной строки NVIDIA для системного управления, поставляется вместе с драйвером и считывает температуру/энергопотребление/обороты вентиляторов, счётчики ошибок ECC и топологию связей между картами (официальное руководство NVIDIA по nvidia-smi); GPU-Z — бесплатный сторонний инструмент для получения информации о видеокартах, считывает спецификации чипа (количество ROP/TMU, разрядность шины памяти), производителя микросхем памяти, версию BIOS и показания датчиков в реальном времени.
Роль в торговле вычислительными мощностями: «состояние» б/у ИИ-карт определяется показаниями, а не внешним видом — nvidia-smi проверяет накопленные ошибки ECC (одно- и двухбитовые отдельно, два набора счётчиков: энергозависимый и накопленный, по документации NVIDIA), не были ли изменены температурные и энерголимиты, а через topo -m — связи NVLink/PCIe между картами и флаги P2P; GPU-Z проверяет количество ROP, разрядность шины памяти и производителя микросхем на соответствие официальным спецификациям — перекрашенные и перепаянные карты выдают себя при перекрёстной сверке показаний.
| Параметр | Значение / формат |
|---|---|
| nvidia-smi | Официальная утилита командной строки NVIDIA · поставляется с драйвером (официальное руководство NVIDIA по nvidia-smi) |
| Чтение ECC | nvidia-smi -q -d ECC: энергозависимый/накопленный наборы счётчиков · однобитовые (исправимые)/двухбитовые (неисправимые) отдельно (документация NVIDIA) |
| Топология P2P | nvidia-smi topo -m: выводит матрицу связей NVLink/PCIe между картами и флаги поддержки P2P (документация NVIDIA) |
| GPU-Z | Разработка · считывает ROP/разрядность/производителя микросхем памяти (Samsung/SK Hynix/Micron) и BIOS |
При приёмке готовых систем на B300 этот набор действий — базовый: для каждой карты по отдельности читаются ECC и состояние температуры/энергопотребления, для восьмикарточной системы через topo -m попарно проверяются целостность домена NVLink и флаги P2P — отсутствие даже одной пары NV-линий снижает производительность коллективных коммуникаций при обучении; в сочетании со стресс-тестом all-reduce это превращает «спецификации на месте» в «производительность на месте» (инструментарий стресс-тестов — по официальной документации библиотеки коллективных коммуникаций NCCL).
С точки зрения покупателя — сравнение с типичными способами восстановления: перекраска и перезеркаливание (повторная маркировка поверхности чипа) выявляется перекрёстной сверкой спецификаций чипа/памяти, считанных GPU-Z, с официальной базой; замена микросхем памяти проверяется по соответствию производителя памяти в GPU-Z заводской партии; модификация питания (замена разъёмов, перемычки) — по состоянию разъёма 12V-2x6 и качеству кабелей — вывод делается только при взаимном подтверждении программных показаний и внешних следов.