Skip to content
Dégradation mémoire HBM / ECC

NVIDIA Xid 48 (Erreur ECC Double Bit non corrigeable)

Une erreur double-bit non corrigeable par l'ECC a touché la mémoire GPU, entraînant l'arrêt des calculs actifs pour éviter toute corruption.

Signature typique dans les logs

kernel: NVRM: Xid (PCI:0000:47:00): 48, An uncorrectable double bit error (DBE) has been detected on GPU in the framebuffer

Mécanisme réel et distinction des cascades

Usure physique des cellules HBM, température excessive ou bruit électrique déclenchant Xid 48 et le mécanisme de Row Remapping.

Commandes de collecte avant redémarrage

nvidia-smi --query-gpu=index,uuid,serial,ecc.errors.uncorrected.aggregate.total,ecc.errors.uncorrected.volatile.total --format=csv
nvidia-smi -q -d ECC,ROW_REMAPPER,PAGE_RETIREMENT
dmesg -T | grep -i -E "xid.*(48|63|64|94|95)|retired|remapper"

Procédure de triage sécurisée

  1. Capturer `nvidia-smi -q -d ECC,ROW_REMAPPER` pour archiver compteurs non corrigés et statut de remapping.
  2. Rechercher les Xid 63/64/94/95 dans `dmesg`, drainer le noeud et valider le remapping après redémarrage propre.
  3. En cas d'échec ou de saturation des lignes de rechange, ouvrir un ticket matériel avec l'export UUID.
Diagnostic en direct sans inscription

Tester gratuitement votre log GPU pour trouver le premier événement

Les adresses IP, clés et chemins privés sont masqués localement dans votre navigateur.

Consultez avant envoi : traitement cloud et exécution 100 % locale hors ligne.

training_logs.txt
Pas de log sous la main ? Choisissez un exemple :

Les fichiers volumineux sont condensés dans votre navigateur. Seules les preuves sélectionnées sont transmises au diagnostic.

3 diagnostics cloud gratuits par jour

Questions fréquentes

Les poids sauvegardés après un Xid 48 sont-ils fiables ?

Par prudence, reprenez toujours depuis le dernier checkpoint sain antérieur à l'événement Xid 48.

Un Row Remapping réussi permet-il de garder le GPU en production ?

Oui s'il reste isolé et que la surveillance ECC est stable ; toute récidive justifie un remplacement.

Autres fiches GPU en français

Fiche technique complète en anglais:Consulter la référence anglaise

Essayez Denpex pendant 30 jours. GRATUIT.

Sans carte bancaire. Sans abonnement automatique. Vérifiez l'utilité de Denpex sur un incident que vous connaissez déjà.

Démarrer votre évaluation Team gratuite de 30 jours

Jusqu'à 50 diagnostics par jour pendant 30 jours. Vérifiez votre e-mail professionnel pour activer votre essai d'entreprise, rejouez un incident déjà résolu et comparez les preuves avec la cause confirmée par votre équipe.

Utilisez votre adresse d'entreprise, par exemple alex@votreentreprise.fr.

Qui est éligible ?

Tout domaine d'entreprise vérifié active l'évaluation Team gratuite de 30 jours (jusqu'à 50 diagnostics/jour), quel que soit votre hébergeur mail. En cas d'échec de vérification automatique, contactez support@denpex.com. Le diagnostic local dans l'extension éditeur ne nécessite aucun compte.

Vous utilisez une adresse personnelle (Gmail, Outlook, Orange) ou un cluster solo ? Créer un compte gratuit à 0 $ (sans e-mail pro) pour conserver 7 jours d'historique, ou envoyez un journal d'erreur pour une démonstration.