单卡与计算自检
单卡与计算自检
nvidia-smi -L
python - <<'PY'
import torch
a = torch.randn(4096, 4096, device='cuda')
b = a @ a
print('matmul ok, sum =', float(b.sum()))
print(torch.cuda.get_device_name(0))
PY多卡机器接着跑 nccl-tests 的 all_reduce_perf 做通信基线（见 nccl-test 条目）。
自检通过不代表长稳：新卡投产前建议跑拷机观察温度与降频（见 gpu-burn 条目）。