Nvidia GPU的风扇和电源报错解决方案

问题

最近在Ubuntu上使用Nvidia GPU训练模型的时候，没有问题，过一会再训练出现非常卡顿，使用nvidia-smi查看发现，显示GPU的风扇和电源报错：

解决方案

自动风扇控制

在nvidia论坛有人给出了解决方案，即问题的根源可能是风扇转速不足使GPU过热导致的。

首先开启GPU的persistent mode，再设置风扇的功率，重启即可生效。其中250代表的是风扇的最大功率限制，可以将其设置为最大，这样过热的时候风扇就会自动加大功率。

sudo nvidia-smi -pm 1

sudo nvidia-smi -pl 250

手动风扇控制

此外，还可以将GPU风扇的手动风速控制打开。方法为：

首先，使用sudo nvidia-xconfig --enable-all-gpus命令打开所有gpu在xserver中的设置（不使用sudo可能无权限写入新配置）

然后修改配置文件：sudo vim /etc/X11/xorg.conf，在其中的DeviceSection中加入Option “Coolbits” “4”如下图所示：

如果机器上有多块gpu，在第一步命令执行后，会在这个xorg.conf中出现多个DeviceSection，都依次执行第三步操作

重启机器后，命令行执行nvidia-settings，会打开设置界面，在其中的会显示所有GPU的设置选项，每个GPU控制选项下面都有一个Thermal settings，进入后打开enable GPU Fan Setting即可对风扇进行手动风速调整了。