Outils gratuits de diagnostic et dimensionnement GPU
Parseurs locaux, guides de référence et calculateurs qui tournent sans compte et sans envoyer vos logs. Chaque outil sépare les faits établis des preuves manquantes.
Vous utilisez NVIDIA Compute Sanitizer ? Guide minimal de reproduction CUDA et memcheck explique comment instrumenter le processus dans votre environnement isolé.
- Diagnostic local sans envoi de données
Analyseur de logs GPU hors ligne
Analysez des journaux PyTorch, NCCL, vLLM et Slurm dans votre navigateur sans transfert réseau.
Ouvrir Analyseur de logs GPU hors ligne - Aligner pilote NVIDIA, CUDA, Torch & FlashAttention
Compatibilité CUDA, Pilote & PyTorch
Trouvez les versions compatibles et générez des commandes pip, uv et Docker sans rupture d'ABI.
Ouvrir Compatibilité CUDA, Pilote & PyTorch - Panne matérielle, logicielle ou preuve à collecter
Décodeur de codes NVIDIA Xid
Interprétez NVRM Xid 79, 74 et 48 et conservez UUID et dmesg avant tout redémarrage.
Ouvrir Décodeur de codes NVIDIA Xid - Remonter au premier signal avant le timeout final
Décodeur de logs NCCL
Classe les erreurs CUDA, bootstrap, transport RDMA et Watchdog sur l'ensemble des ranks.
Ouvrir Décodeur de logs NCCL - Transformer un rapport GPU en preuve exploitable
Analyseur nvidia-smi
Analyse localement mémoire, température, alimentation, compteurs ECC et Row Remapper.
Ouvrir Analyseur nvidia-smi - Distinguer la fragmentation d'une vraie saturation
Triage PyTorch CUDA OOM
Inspecte mémoire réservée vs allouée et propose des réglages d'allocateur et de micro-lot.
Ouvrir Triage PyTorch CUDA OOM - Isoler accès mémoire illégaux et race conditions
Guide Compute Sanitizer & Memcheck
Recettes minimales pour memcheck, racecheck et synccheck avant les cascades NCCL.
Ouvrir Guide Compute Sanitizer & Memcheck - Temps d'entraînement, MFU et coût cluster H100/B200
Calculateur d'entraînement LLM & MFU
Estimez les FLOPs, le MFU et le débit cluster selon le modèle et la topologie.
Ouvrir Calculateur d'entraînement LLM & MFU - Poids, cache KV GQA/MLA et parallélisme tensoriel
Calculateur VRAM LLM (Français)
Calculez l'empreinte FP16, FP8 et INT4 pour DeepSeek, Llama, Qwen, Gemma et Mistral sur A100, H100, H200 et RTX 5090.
Ouvrir Calculateur VRAM LLM (Français) - Actor FSDP, référence KL et rollout vLLM colocalisé
Calculateur VRAM GRPO & RL
Dimensionne la mémoire HBM pour GRPO, DAPO et PPO avec inférence vLLM intégrée.
Ouvrir Calculateur VRAM GRPO & RL - Mémoire KV cache, latence et concurrence
Calculateur débit d'inférence LLM
Estimez la latence par jeton, le prefill et les limites de concurrence en production.
Ouvrir Calculateur débit d'inférence LLM - Configurer correctement interfaces NCCL et RDMA
Calculateur GID RoCEv2 & InfiniBand
Analyse la table GID et estime tampons et bande passante sur fabrics RoCEv2 et InfiniBand.
Ouvrir Calculateur GID RoCEv2 & InfiniBand - Mémoire partitionnée ZeRO Stages 1, 2 et 3
Calculateur DeepSpeed ZeRO & LoRA
Évaluez paramètres, gradients et états d'optimiseur en entraînement distribué.
Ouvrir Calculateur DeepSpeed ZeRO & LoRA - Manifests K8s fiables et contrôle /dev/shm
Générateur de manifests GPU Kubernetes
Configurez limites GPU, node selectors, tolerations et volumes mémoire partagée.
Ouvrir Générateur de manifests GPU Kubernetes - Décoder erreurs santé DCGM et retrains PCIe
Décodeur DCGM & PCIe AER
Repérez les anomalies matérielles, liens PCIe et alertes thermiques dans vos logs.
Ouvrir Décodeur DCGM & PCIe AER - Modéliser l'impact des pannes multi-noeuds
Calculateur de coût d'arrêt GPU
Chiffrez les heures GPU perdues et le gain d'une isolation plus rapide des pannes.
Ouvrir Calculateur de coût d'arrêt GPU - Scripts Slurm prêts pour FSDP et Megatron
Générateur sbatch Slurm multi-noeuds
Génère des scripts sbatch avec affinité CPU, comptage GPU et variables NCCL.
Ouvrir Générateur sbatch Slurm multi-noeuds - Détecter les erreurs réseau avant l'étape 0
Linter de topologie NCCL
Valide nvidia-smi topo -m, affinité GPU-NIC, PCIe ACS et limites memlock.
Ouvrir Linter de topologie NCCL - Identifier ce qui a changé depuis le dernier succès
Analyse Diff entre exécutions
Compare pilotes, CUDA, NCCL, PyTorch, paquets pip et variables d'environnement.
Ouvrir Analyse Diff entre exécutions - Des variables réseau justifiées et documentées
Générateur d'environnement NCCL
Produit les variables NCCL et PyTorch adaptées à vos interfaces réseau.
Ouvrir Générateur d'environnement NCCL - Optimiser InfiniBand, RoCEv2 et AWS EFA
Guide d'optimisation NCCL
Paramètres NCCL_NET_GDR_LEVEL, taille de buffer et algorithmes tree/ring.
Ouvrir Guide d'optimisation NCCL - Modes de panne fréquents sur H100, A100 et H200
Indice de fiabilité GPU
Comparatif structuré des schémas de défaillance matérielle en production.
Ouvrir Indice de fiabilité GPU - Éviter les SIGBUS sur vos workers PyTorch
Calculateur /dev/shm DataLoader
Dimensionne la mémoire partagée et produit --shm-size ou emptyDir Kubernetes.
Ouvrir Calculateur /dev/shm DataLoader - Résoudre les conflits CDI et nvidia-container-cli
Correctif Container Toolkit & Pilote
Corrige les erreurs device driver capabilities et versions conteneurs.
Ouvrir Correctif Container Toolkit & Pilote - Réparer libcudart.so et chargement 4/8-bit
Correctif CUDA bitsandbytes
Résout les bibliothèques manquantes et erreurs de capacité de calcul CUDA.
Ouvrir Correctif CUDA bitsandbytes - Aligner tenseurs CPU et GPU dans PyTorch
Correctif Index Device Mismatch
Corrige les erreurs d'indexation et de masquage réparties sur plusieurs périphériques.
Ouvrir Correctif Index Device Mismatch - Mesurer bulles pipeline et recouvrement NCCL
Analyseur de bulles PyTorch Profiler
Analyse localement les traces Kineto et HTA pour isoler les ranks lents.
Ouvrir Analyseur de bulles PyTorch Profiler - 14 outils pour gpud, HTA, NHC et nccl-tests
Suite de diagnostic flotte GPU
Analysez vos sorties de diagnostics flotte sans compte ou via la CLI locale.
Ouvrir Suite de diagnostic flotte GPU