Skip to content
HBM / ECC 實體故障

NVIDIA Xid 48 (不可修正雙位元 ECC 錯誤) 診斷

GPU 顯存出現 ECC 機制無法自動修復的雙位元錯誤,系統為防算術汙染會強制終止運行於該卡的計算程序。

典型日誌特徵

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

根本原因與連鎖症狀辨析

HBM 顆粒退化、散熱不良或供電波動產生超過 ECC 糾錯上限的位元翻轉時,核心會記錄 Xid 48 並觸發 Row Remapping 頁重映射。

重開機前務必先保存的取證指令

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"

安全排查與修復步驟

  1. 執行 `nvidia-smi -q -d ECC,ROW_REMAPPER` 保存未修正計數與 Remap Failure / Pending 狀態。
  2. 檢查 `dmesg` 有無同時伴隨 Xid 63 / 64 / 94 / 95,並安排排水重啟以套用頁重映射。
  3. 當重映射表耗盡或 Xid 48 反覆出現時,以完整報修證據提交硬體更換申請。
免註冊即時診斷

貼上您的 GPU 日誌,立即排查首發故障

送出前會在瀏覽器本機自動遮罩 IP、金鑰與私有路徑,精準鎖定根因。

上傳前請先檢視 雲端資料處理說明與完全本機離線選項。

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

發生 Xid 48 後的訓練權重還能繼續使用嗎?

為避免錯誤位元滲入張量,建議由前一個已驗證健康的檢查點重新恢復訓練。

只要有成功執行 Row Remapping 就代表沒問題嗎?

單次成功隔離後可加強 ECC 監控;若短期內再度觸發或失敗則屬明確 RMA 警訊。

相關繁體中文 GPU 排錯指南

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。

請使用公司網域信箱,例如 alex@yourcompany.com。

適用資格說明

通過信箱與企業網域驗證即可啟用 30 天 Team 評估(每日最多 50 次診斷)。若網域無法自動驗證,可聯繫 support@denpex.com 人工審核。編輯器擴充套件的本機離線診斷無需帳號。

使用個人信箱(Gmail、Outlook、Yahoo)或個人叢集?建立 $0 免費帳號(不需工作信箱) 以保存 7 天紀錄並啟用 AI 診斷,或傳送叢集故障日誌預約展示。