PCIe 失聯 / 硬體風險評估
NVIDIA Xid 79 (GPU 脫離 PCIe 匯流排) 診斷步驟
Linux 驅動失去與 GPU 的 PCIe 匯流排通訊。除了顯示卡本身故障,電源供應瞬降、過熱與 PCIe 插槽/轉接卡接觸問題也極為常見。
典型日誌特徵
kernel: NVRM: Xid (PCI:0000:c1:00): 79, pid=19201, name=pt_main_thread, GPU has fallen off the bus.根本原因與連鎖症狀辨析
高負載電流尖峰、散熱異常、PCIe 鏈路重試失敗或晶片異常導致設定空間失去回應時,驅動會寫入 Xid 79 並讓該卡脫離控制。
重開機前務必先保存的取證指令
nvidia-smi --query-gpu=index,name,uuid,serial,pci.bus_id,temperature.gpu,power.draw --format=csv
dmesg -T | grep -i -E "nvrm|xid|pcie|aer|thermal"
lspci -vvv -s c1:00.0 | grep -i -E "LnkSta|CESta|UESta|DevSta"安全排查與修復步驟
- 重開機或重置節點之前,務必先備份 GPU UUID、序號、`dmesg` 完整輸出與 BMC 電源紀錄。
- 使用 `lspci -vvv` 檢視目標匯流排是否伴隨 PCIe 降速或 AER 硬體錯誤。
- 透過卡槽對調測試確認故障隨卡移動後,再附完整 UUID 紀錄向廠商申請 RMA。
training_logs.txt
手邊沒有日誌?點此載入範例:
大型日誌檔會在您的瀏覽器本機端先濃縮擷取,執行診斷時僅送出關鍵證據片段。
每日 3 次免費雲端診斷額度
常見問題
跳出一次 Xid 79 就一定得馬上送修顯示卡嗎?
先別急著定論。供電與 PCIe 插槽常引發相同症狀,應先保留證據並確認跨槽可複現性。
重新開機後顯示卡又抓得到了,可以直接恢復訓練嗎?
未釐清原因前直接滿載運行很可能數小時內再次掉卡,建議先檢查電源事件與散熱。
相關繁體中文 GPU 排錯指南
NVIDIA Xid 74 (NVLink 互連致命錯誤) 診斷NVIDIA Xid 48 (不可修正雙位元 ECC 錯誤) 診斷NCCL Watchdog 逾時排查與根因節點隔離開啟免費 LLM 顯存計算機
英文完整知識庫條目:檢視完整英文參考 (English)
免費試用 Denpex 30 天。完全免費。
無需信用卡,無自動續訂。使用團隊已結案的故障日誌親自驗證診斷精準度。
開啟 30 天免費 Team 團隊評估
30 天內每日最多 50 次診斷。驗證企業工作信箱即可啟用試用,重現已解決的歷史故障並將根因證據與團隊確認結論比對。