Problemas conhecidos

Neste documento, descrevemos problemas conhecidos que podem ocorrer ao executar instâncias ou clusters do Compute Engine otimizados para IA. Para outros recursos de solução de problemas, consulte os seguintes guias:

Problemas

A seção a seguir lista problemas conhecidos e soluções alternativas para o Hipercomputador de IA.

Interrupções de carga de trabalho em VMs A4 devido a problemas de firmware para GPUs NVIDIA B200

A NVIDIA identificou dois problemas de firmware para GPUs B200, que são usadas por instâncias de máquina virtual (VM) A4. Esses problemas podem causar interrupções na carga de trabalho, como o comando nvidia-smi não responder. Se você notar interrupções de carga de trabalho em VMs A4, confirme se uma ou mais das seguintes condições são verdadeiras:

  • O tempo de atividade da VM (lastStartTimestamp) excede 65 dias.
  • Os registros mostram uma mensagem de erro Xid 149 que menciona 0x02a.

Se uma dessas condições for verdadeira, será necessário redefinir as GPUs anexadas às VMs A4. Para evitar interrupções futuras na carga de trabalho devido a problemas de firmware, recomendamos que você redefina as GPUs pelo menos uma vez a cada 60 dias. Para mais informações, consulte Redefinir GPUs.

O servidor de metadados pode exibir metadados physicalHost antigos

Depois de um erro de host ou de usar a API de relatório de host com falha para mover uma instância de computação para um novo host, ao consultar o servidor de metadados, ele pode exibir os metadados physicalHost do host anterior da instância de computação.

Para contornar esse problema, siga uma destas etapas: