问题标签 [tesla]

我是 GPU 相关模型训练的新手。我有带有 6GB GPU 的 Tesla C2075，并使用 keras CuDNNLSTM 进行更快的训练。我已经使用 cudnn=7.0.5、tensorflow-gpu==1.12.0 并使用 ubuntu 16.04 安装了 cuda-9。对于 Tesla C2075 GPU 型号是否兼容 cuda-9？我已经检查了https://developer.nvidia.com/cuda-gpus链接，他们提到 tesla C2075 与 2.0 计算兼容。什么是计算兼容？

在运行我的模型张量流日志时，

而且我在model.fit（...）时也遇到了错误，

谢谢

在过去的一个小时里，我一直在为这个错误挠头，想知道是否有人可以帮助我。这是特斯拉 api 的链接：https ://tesla-api.timdorr.com/api-basics/authentication

我一直在尝试POST要求获得access_token这样的新产品

但是，这一直给我返回 404 错误，但我想我正在正确地发出 POST 请求。有人可以指出我在这里缺少什么吗？我相信我的所有变量（CLIENT_ID,CLIENT_SECRET等）也是正确的

将不胜感激任何帮助:-)

谢谢！

我们有装有 Windows Server 2019 和 NVIDIA P100 的机器。当我们安装官方驱动程序时，我们会得到 TCC 模式。对于我们的应用程序，我们需要 DirectX，但是当我们尝试使用nvidia-smi工具启用 WDDM 时，我们会收到错误消息。

在文档中，我们发现了这一点：

特斯拉——通常默认为 TCC 模式。当前的驱动程序需要 GRID 许可证才能在 Tesla 设备上启用 WDDM。

这是否意味着我们需要在我们的机器上安装 GRID？我们不需要 VDI/vGPU，只需启用 WDDM。

有没有人有使用 DDA 将 NVIDIA Tesla 传递到 Hyper-V 上的 linux 来宾的经验？当客户是 Windows 10 时，此设置完美运行，根据我所阅读的内容，当使用 Ubuntu 18.04 LTS 或 Centos 7/8 作为客户操作系统时，应该完全支持此设置。然而，尽管特斯拉出现在虚拟 PCI 总线上，但驱动程序在安装时未能检测到特斯拉的存在。

谢谢

我正在尝试从公共 Tesla API ( https://www.teslaapi.io/vehicles/state-and-settings ) 中检索我的车辆数据。我正在使用 NodeJS，通过 Request 和 Express 包，我能够检索初始 accessToken 以及车辆 ID 号。但是，当我尝试使用这两个值实际对数据发出 GET 请求时，我不断收到 404 错误。我已经调试了几个小时，老实说不知道为什么。我在邮递员中到达了相同的端点并得到了正确的响应，任何帮助将不胜感激！另外，我怎样才能避免在前一个回调中发出后续请求，异步是要走的路吗？谢谢！

在 Azure 上拥有一个 N 系列 Windows 10 虚拟机和 Tesla K80 显示适配器。虚拟机似乎没有正确使用 GPU。任何帮助将不胜感激！

以下是 Azure VM 的问题：

1.玩GTA很卡，一帧一帧玩。

2. VM 不使用 NVIDIA 显示适配器作为默认的 Generic PnP Monitor。

3. DxDiag 没有显示正确的显示适配器信息。

4. GPU 未显示在任务管理器中。

我尝试在 pytorch 中通过 3 个不同的 GPU（GeForce GTX 1080 ti、tesla k80、tesla v100）加载 distilbert 模型。根据 pytorch cuda profiler，所有这些 GPU 的内存消耗都是相同的（534MB）。但是“nvidia-smi”显示了它们每个的不同内存消耗（GTX 1080 ti- 1181MB，tesla k80 - 898MB，tesla v100- 1714MB）。

我选择了v100，希望能容纳更多的进程，因为它有额外的内存。因此，与 k80 相比，我无法在 v100 中容纳更多进程。

版本：Python 3.6.11，transformers==2.3.0，torch==1.6.0

任何帮助，将不胜感激。

以下是 GPU 中的内存消耗。

----------------GTX 1080ti---------

“nvidia-smi”的输出：

-----特斯拉k80------

“nvidia-smi”的输出：

----------------特斯拉v100----------

“nvidia-smi”的输出：

感谢您花时间研究这个问题。

我不确定这是特斯拉 K80 本身的问题，还是我可以尝试其他方法。目前，我已经插入了 GPU Tesla K80。但是，当我执行“sh NVIDIA-Linux-x86_64-410.104.run”时，它显示“您似乎没有支持 NVIDIA GPU”。或“NVIDIA-Linux-x86_64-450.80.02.run”。

之前在另一台电脑上没问题，有一天，当我输入“nvidia-smi”时，没有检测到这个特斯拉K80（没有关于K80的任何信息）。在此之前，这台电脑甚至抱怨没有连接到特斯拉K80 并在键入“nvidia-smi”时建议重新启动。

当我把 Tesla K80 拿出到另一台电脑上时，即使没有人使用它，我也能感觉到它很温暖（很奇怪……）。然后，将此 Tesla K80 插入另一台未安装 NVIDIA 驱动程序的计算机。所以想安装驱动看看能不能看到Tesla K80，但是安装驱动失败。

我希望有人能给我一些建议让我试试吗？先感谢您！下面是我执行“sh NVIDIA-Linux-x86_64-410.104.run”的日志文件。

nvidia-installer 命令行：./nvidia-installer

无法加载：nvidia-installer ncurses v6 用户界面

使用：nvidia-installer ncurses用户界面->在线检测到48个CPU；将并发级别设置为 32。-> 使用 chcon -t textrel_shlib_t 标记共享库。警告：此系统中安装的 410.104 NVIDIA Linux 图形驱动程序似乎不支持您的 NVIDIA GPU。有关详细信息，请参阅www.nvidia.com上 Linux 驱动程序下载页面上的 README 中的附录支持的 NVIDIA 图形芯片. -> 安装 NVIDIA 驱动程序版本 410.104。-> 使用 CC=“gcc32” 执行 CC 完整性检查。错误：无法确定位于“/lib/modules/3.10.0-1160.el7.x86_64/source”中的内核源的版本。请确保您已经为您的内核安装了内核源文件并且它们已正确配置；例如，在 Red Hat Linux 系统上，确保您安装了“kernel-source”或“kernel-devel”RPM。如果您知道安装了正确的内核源文件，则可以使用“–kernel-source-path”命令行选项指定内核源路径。错误：安装失败。有关详细信息，请参阅文件“/var/log/nvidia-installer.log”。您可以在www.nvidia.com的 Linux 驱动程序下载页面上的 README 中找到有关修复安装问题的建议。

==================== 当我输入“pkg -l | grep -i nvidia”时：没有显示“lspci | grep -i nvidia”：没有显示 'dmesg | grep -i "nvidia"'：[6662.403250] nvidia：加载树外模块污染内核。[6662.403264] nvidia：模块许可证“NVIDIA”污染内核。[6662.539651] nvidia：模块验证失败：缺少签名和/或所需的密钥 - 污染内核 [6662.673347] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 237 [6662.674050] NVRM：未找到 NVIDIA 图形适配器！[6662.674345] nvidia-nvlink：未注册 Nvlink 核心，主要设备号 237 [6762.248535] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 237 [6762.249108] NVRM：未找到 NVIDIA 图形适配器！[6762.249255] nvidia-nvlink：未注册 Nvlink 核心，主要设备号 237 [6813.106747] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 239 [6813.107254] NVRM：未找到 NVIDIA 图形适配器！[6813.107395] nvidia-nvlink：未注册 Nvlink 核心，主要设备号 239 [6993.285291] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 239 [6993.285711] NVRM：未找到 NVIDIA 图形适配器！[6993.285850] nvidia-nvlink：未注册 Nvlink 核心，主要设备号 239 [7467.419202] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 239 [7467.419650] NVRM：未找到 NVIDIA 图形适配器！[7467.419788] nvidia-nvlink：未注册 Nvlink 核心，主要设备号 239 [7478.210409] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 239 [7478.210816] NVRM：未找到 NVIDIA 图形适配器！[7478。210934] nvidia-nvlink：未注册 Nvlink 核心，主要设备号 239 [7819.845969] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 239 [7819.846405] NVRM：未找到 NVIDIA 图形适配器！[7819.846528] nvidia-nvlink：未注册 Nvlink 核心，主要设备号 239 [7839.007094] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 237 [7839.007689] NVRM：未找到 NVIDIA 图形适配器！[7839.007856] nvidia-nvlink：未注册 Nvlink 核心，主要设备号 237 [13150.989882] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 239 [13150.990303] NVRM：未找到 NVIDIA 图形适配器！[13150.990454] nvidia-nvlink：未注册 Nvlink Core，主要设备号 239 Nvlink Core 正在初始化，主要设备号 239 [7819.846405] NVRM：未找到 NVIDIA 图形适配器！[7819.846528] nvidia-nvlink：未注册 Nvlink 核心，主要设备号 239 [7839.007094] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 237 [7839.007689] NVRM：未找到 NVIDIA 图形适配器！[7839.007856] nvidia-nvlink：未注册 Nvlink 核心，主要设备号 237 [13150.989882] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 239 [13150.990303] NVRM：未找到 NVIDIA 图形适配器！[13150.990454] nvidia-nvlink：未注册 Nvlink Core，主要设备号 239 Nvlink Core 正在初始化，主要设备号 239 [7819.846405] NVRM：未找到 NVIDIA 图形适配器！[7819.846528] nvidia-nvlink：未注册 Nvlink 核心，主要设备号 239 [7839.007094] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 237 [7839.007689] NVRM：未找到 NVIDIA 图形适配器！[7839.007856] nvidia-nvlink：未注册 Nvlink 核心，主要设备号 237 [13150.989882] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 239 [13150.990303] NVRM：未找到 NVIDIA 图形适配器！[13150.990454] nvidia-nvlink：未注册 Nvlink Core，主要设备号 239 007094] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 237 [7839.007689] NVRM：未找到 NVIDIA 图形适配器！[7839.007856] nvidia-nvlink：未注册 Nvlink 核心，主要设备号 237 [13150.989882] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 239 [13150.990303] NVRM：未找到 NVIDIA 图形适配器！[13150.990454] nvidia-nvlink：未注册 Nvlink Core，主要设备号 239 007094] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 237 [7839.007689] NVRM：未找到 NVIDIA 图形适配器！[7839.007856] nvidia-nvlink：未注册 Nvlink 核心，主要设备号 237 [13150.989882] nvidia-nvlink：正在初始化 Nvlink 核心，主要设备号 239 [13150.990303] NVRM：未找到 NVIDIA 图形适配器！[13150.990454] nvidia-nvlink：未注册 Nvlink Core，主要设备号 239

我在使用 Tesla 作为 http 客户端并使用 Hackney 作为适配器的 elixir 应用程序中遇到了奇怪的问题。

在对外部服务器进行 HTTP 调用时，它会间歇性地导致错误 --> 错误：：关闭。我的应用程序在 pod 内运行并具有 istio sidecar 代理。我正在使用 elixir 1.10、Tesla 1.3.3、hackey 1.15、Erlang/OTP 22。

以下是我用来拨打电话的配置。是否有人遇到过这个问题，如果是，那么他是如何解决的。我应该做些什么来解决这个间歇性问题。

我在某处读到“除非你有 Tesla 卡，否则在任何最近的卡（Maxwell 和 Pascal 自 2014 年以来）上的 GeForce、Quadro 和 Titan 卡上，float64 比 float32 慢 32 倍。”

所以我想知道 float32 的计算是否会比特斯拉 gpu 上的 float64 更快，或者性能保持不变。我对两个向量相乘所花费的时间特别感兴趣。

当然，float32 会比 float 64 占用更少的内存。但是对于我的应用程序来说，内存是没有问题的。