H20服务器多卡运行有错误gpu_partition ,tmux错误

怎么修复

改 vcuda 配置:

cp -f /usr/local/lib/inais/.vcuda_config /usr/local/lib/inais/.vcuda_config.bak_$(date +%Y%m%d_%H%M%S)

printf '22586\n127.0.0.1\n' > /usr/local/lib/inais/.vcuda_config

cat /usr/local/lib/inais/.vcuda_config

启动本地 shim 服务:

source /opt/conda/etc/profile.d/conda.sh && conda activate janusdna

python /chenhaowen/hnu/mps/lora_deepseek_ocr_vision_DNA/script/rice_phenotype_benchmark/vcuda_pidmap_shim.py \

--host 127.0.0.1 \

--port 22586

在当前服务器上绕过有问题的 NCCL P2P/CUMEM 路径:

export NCCL_IB_DISABLE=1

export NCCL_SHARP_DISABLE=1

export NCCL_NET=Socket

export NCCL_P2P_DISABLE=1

export NCCL_CUMEM_ENABLE=0

验证是否是对的:

看 shim 进程是否存在

pgrep -af vcuda_pidmap_shim.py

做最小 CUDA 验证:

source /opt/conda/etc/profile.d/conda.sh && conda activate janusdna && python -u - <<'PY'

import torch

print('cuda_available', torch.cuda.is_available())

torch.cuda.set_device(0)

x = torch.zeros(1, device='cuda:0')

print('alloc_ok', x.device)

PY

tmux错误

cat > /root/.tmux.conf <<'EOF'

Start each new tmux pane/window with a clean runtime state.

This avoids inheriting stale CONDA_*/CUDA_*/NCCL_*/NVIDIA_* variables

from an older tmux server or a different container image.

set -g default-shell /bin/bash

set -g default-command "exec env -u CONDA_DEFAULT_ENV -u CONDA_EXE -u CONDA_PREFIX -u CONDA_PREFIX_1 -u CONDA_PROMPT_MODIFIER -u CONDA_PYTHON_EXE -u CONDA_SHLVL -u _CE_CONDA -u _CE_M -u LD_PRELOAD -u LD_LIBRARY_PATH -u CUDA_HOME -u CUDA_PATH -u CUDA_VERSION -u CUDA_DRIVER_VERSION -u CUDA_CACHE_DISABLE -u CUDA_VISIBLE_DEVICES -u CUDA_DEVICE_ORDER -u NCCL_VERSION -u NCCL_IB_DISABLE -u NCCL_SHARP_DISABLE -u NCCL_NET -u NCCL_P2P_DISABLE -u NCCL_CUMEM_ENABLE -u NCCL_DEBUG -u NVIDIA_VISIBLE_DEVICES -u NVIDIA_DISABLE_REQUIRE -u NVIDIA_DRIVER_CAPABILITIES -u NVIDIA_PRODUCT_NAME -u NVIDIA_PYTORCH_VERSION -u NVIDIA_BUILD_ID -u NVIDIA_REQUIRE_CUDA -u OMPI_MCA_coll_hcoll_enable /bin/bash -l"

Keep locale variables in sync so tmux treats attached clients as UTF-8.

Sync PATH so a freshly attached client can bring in the expected conda env.

set -g update-environment "DISPLAY KRB5CCNAME SSH_ASKPASS SSH_AUTH_SOCK SSH_AGENT_PID SSH_CONNECTION WINDOWID XAUTHORITY LANG LANGUAGE LC_ALL LC_CTYPE PATH"

set-environment -g LANG C.UTF-8

set-environment -g LC_ALL C.UTF-8

EOF

相关推荐
木头左11 小时前
【Nginx】内网服务源 IP 白名单实战:动态域名解析放行网段 + 端口接管零改造
运维·nginx·白名单·反向代理
Linux-lucky11 小时前
45-Linux学习之旅之防火墙与WEB加固
linux·前端·网络·学习·ubuntu
禁默11 小时前
启元 Q1 二次开发实践:Ubuntu 部署与仿真验证,从 PrimeConsole 到 ROS 2 Humble + RViz
linux·运维·ubuntu
skywalk816312 小时前
把 去也网站 从 Ubuntu 搬到 FreeBSD:一次 Service Jail + nginx 的部署实录
linux·运维·nginx·ubuntu·freebsd
翔云12345613 小时前
RocksDB中,客户端每写入一次数据,需要访问几次磁盘
运维·数据库·mysql
爱莉希雅&&&14 小时前
GitLab 完整学习笔记
linux·运维·服务器
风笙97814 小时前
[文件系统]文件系统挂载与卸载详解
linux
GeW14 小时前
新质生产力路线图解读:数据库性能优化与Linux调优专场
linux·数据库
小杨爱科普15 小时前
制造业上自动化改造,改造部分的专利到底归谁
运维·经验分享·自动化
陈希12316 小时前
Linux 服务器性能排查手册(2026):CPU、内存、磁盘IO、网络四大瓶颈定位
linux·服务器·网络