待验证50% 置信事实精确时间
GPU 集群硬件层可观测性指标由 NVIDIA 的 DCGM（Data Center GPU Manager）采集，涵盖显存错误、ECC 事件、温度、功耗与 XID 错误码。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
待验证在 GPU 计算场景下研究者通常使用 NVIDIA Nsight Systems 或 PyTorch Profiler 来测量算子级别的耗时与内存带宽利用率74% 相似待验证NVIDIA的Xid编号体系覆盖GPU硬件与固件错误，每个编号对应一类特定的故障根因，例如Xid 79表示GPU已从PCIe总线上掉线，Xid 48对应不可纠正的双比特ECC内存错误，Xid 74涉及NVLink链路故障，Xid 119/120与GSP固件超时相关。73% 相似已验证DCGM（Data Center GPU Manager）是NVIDIA提供的GPU管理和监控工具，广泛用于数据中心环境72% 相似待验证GPU硬件级功耗测量可通过NVIDIA Management Library（NVML）的nvmlDeviceGetPowerUsage()接口实现，以毫瓦精度实时采样71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1099808API
curl https://kongchang.com/api/v1/knowledge/claims/1099808MCP
get_claim(id=1099808)