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
爱写代码的森6 小时前
鸿蒙三方库 | harmony-utils之ImageUtil图片保存到本地详解
服务器·华为·harmonyos·鸿蒙·huawei
大耳朵-小飞象8 小时前
电力安全运维的智能密码:BACS如何破解设备全生命周期管理难题,让电网安全“看得见、管得住”?
运维·安全·智慧城市·能耗系统·楼宇智控·未来生活
极客侃科技9 小时前
制造企业 MES/APS 选型:SAP PP/DS 集成、ERP-MES 边界划分与一体化架构要点
运维·架构·制造
HLC++9 小时前
Linux的进程间通信
android·linux·服务器
华清远见IT开放实验室10 小时前
实验室建设案例 | 石家庄科技信息职业学院嵌入式实验室——从底层硬件到系统应用,一所应用型高校的嵌入式人才培养这样落地
linux·arm开发·stm32·嵌入式硬件·高校·实验室建设
白露与泡影11 小时前
Arthas 实战指南:从方法耗时定位到 JVM 变量热修改
服务器·jvm·c#
神奇霸王龙12 小时前
Claude Code屠榜:MiMo与Grok紧追Codex
服务器·网络·人工智能·gpt·ai·ai编程
Web极客码12 小时前
WordPress SEO优化:提升网站排名的13个关键步骤
服务器·seo·wordpress
生活爱好者!12 小时前
我把NAS当作下载机,docker一键部署qb
运维·docker·容器
groundhappy13 小时前
idalib安装和codex ida-mcp配置
linux·开发语言·python