Follow Excellent, Success will Chase you

0%

GPU page fault

发表于 分类于 阅读次数：
本文字数： 2.2k 阅读时长 ≈ 2 分钟

尽管许多GPU都支持页面错误，但并非所有都支持。 一些GPU使用下列方式响应内存错误：

  • 位存储桶写入(bit-bucket writes)
  • 读取模拟数据（如零）(reading simulated data (for example, zeros))
  • 或仅挂起(by simply hanging)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
[  712.873530] amdgpu 0001:01:00.0: GPU fault detected: 146 0x0218082c
[  712.878462] pcieport 0001:00:00.0: AER: Multiple Corrected error received: id=0000
[  712.878469] pcieport 0001:00:00.0: PCIe Bus Error: severity=Corrected, type=Physical Layer, id=0000(Receiver ID)
[  712.878471] pcieport 0001:00:00.0:   device [1def:e006] error status/mask=00000001/00002000
[  712.878472] pcieport 0001:00:00.0:    [ 0] Receiver Error         (First)
[  712.912617] amdgpu 0001:01:00.0:   VM_CONTEXT1_PROTECTION_FAULT_ADDR   0x00101043
[  712.920085] amdgpu 0001:01:00.0:   VM_CONTEXT1_PROTECTION_FAULT_STATUS 0x0400802C
[  712.927554] amdgpu 0001:01:00.0: VM fault (0x2c, vmid 2) at page 1052739, read from 'TC2' (0x54433200) (8)
[  712.937273] amdgpu 0001:01:00.0: GPU fault detected: 146 0x03403d0c
[  712.943527] amdgpu 0001:01:00.0:   VM_CONTEXT1_PROTECTION_FAULT_ADDR   0x00101468
[  712.950995] amdgpu 0001:01:00.0:   VM_CONTEXT1_PROTECTION_FAULT_STATUS 0x0403D00C
[  712.958463] amdgpu 0001:01:00.0: VM fault (0x0c, vmid 2) at page 1053800, read from 'SDM1' (0x53444d31) (61)
[  712.968329] amdgpu 0001:01:00.0: GPU fault detected: 146 0x03a0770c
[  712.974582] amdgpu 0001:01:00.0:   VM_CONTEXT1_PROTECTION_FAULT_ADDR   0x00101474
[  712.982050] amdgpu 0001:01:00.0:   VM_CONTEXT1_PROTECTION_FAULT_STATUS 0x0A07700C
[  712.989519] amdgpu 0001:01:00.0: VM fault (0x0c, vmid 5) at page 1053812, read from 'SDM0' (0x53444d30) (119)

造成的现象

系统整体卡住，有时鼠标键盘无响应，但是可以通过ssh登录系统，并且测试无法kill掉xorg

GPU页错误

A GPU page fault commonly occurs under one of these conditions. An application mistakenly executes work on the GPU that references a deleted object. This is one of the top reasons for an unexpected device removal. An application mistakenly executes work on the GPU that accesses an evicted resource, or a non-resident tile.

GPU 页面错误通常在下列情况之一下发生：

  • 应用程序在 GPU 上错误地执行了应用已删除的对象的作业。 这是意外删除设备的主要原因之一。
  • 应用程序错误地在 GPU 上执行了访问已逐出的资源或非驻留磁贴的作业。
  • 着色器引用未初始化的或过时的描述符。
  • 着色器索引超出根绑定末尾。

参考

相关文章
-------------本文结束感谢您的阅读-------------
  • 本文作者： Winddoing
  • 本文链接： https://winddoing.github.io/post/793.html
  • 作者声明： 本博文为个人笔记, 由于个人能力有限，难免出现错误，欢迎大家批评指正。
  • 版权声明： 本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！