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
浮尘笔记2 小时前
Java Snowy框架CI/CD云效自动化部署流程
java·运维·服务器·阿里云·ci/cd·自动化
测试修炼手册8 小时前
[测试工具] 用 Codex 做测试实战:从需求分析到自动化用例落地
运维·自动化·需求分析
米高梅狮子9 小时前
03.网络类服务实践
linux·运维·服务器·网络·kubernetes·centos·openstack
June`9 小时前
网络编程时内核究竟做了什么???
linux·服务器·网络
原来是猿9 小时前
腾讯云服务器端口开放完全指南
服务器·网络·腾讯云
你的保护色9 小时前
【无标题】
java·服务器·网络
楼兰公子10 小时前
RK3588 + Linux7.0.3 网络工程调试错误速查手册
linux·网络·3588
Elnaij10 小时前
Linux系统与系统编程(9)——自设计shell与基础IO
linux·服务器
IpdataCloud10 小时前
稳定的企业级IP数据接口怎么选?可用性指标+离线库高可用方案
运维·网络·tcp/ip
WebGIS开发10 小时前
地信职业百科②:GIS运维
运维·gis·就业·转行