FAS Research Computing - A100 GPU issue – சம்பவ விவரங்கள்

அனைத்து சேவைகளும் இயங்குகின்றன

Status page for the Harvard FAS Research Computing cluster and other resources.

Cluster Utilization (VPN and FASRC login required): Cannon | FASSE


Please scroll down to see details on any Incidents or maintenance notices.
Monthly maintenance occurs on the first Monday of the month (except holidays).

GETTING HELP
Documentation: https://docs.rc.fas.harvard.edu | Account Portal https://portal.rc.fas.harvard.edu
Email: rchelp@rc.fas.harvard.edu | Support Hours

The colors shown in the bars below were chosen to increase visibility for color-blind visitors.
For higher contrast, switch to light mode at the bottom of this page if the background is dark and colors are muted.

A100 GPU issue

தீர்க்கப்பட்டது
இயங்குகிறது
தொடங்கியது சுமார் 3 ஆண்டுகளுக்கு முன்புநீடித்தது சுமார் 1 மாதம்

பாதிக்கப்பட்டது

Cannon Cluster

இயங்குகிறது இலிருந்து 3:00 PM வரை 5:51 PM

GPU nodes (Holyoke)

இயங்குகிறது இலிருந்து 3:00 PM வரை 5:51 PM

புதுப்பிப்புகள்
  • தீர்க்கப்பட்டது
    UTC
    தீர்க்கப்பட்டது

    Firmware updates have resolved this issue.

  • புதுப்பிப்பு
    UTC
    புதுப்பிப்பு

    The proscribed driver update did not fix this issue.

    We are working with Nvidia to find a fix. As a stop-gap nodes which get stuck/flagged will be marked in Slurm for reboot and rebooted once empty of jobs.

    If a A100 GPU host your lab owns is stuck in a bad state, please let us know and we will mark and reboot it.

  • அடையாளம் காணப்பட்டது
    UTC
    அடையாளம் காணப்பட்டது

    A100s are open but still experiencing some instability. Infrequently, you may hit the issue we noted earlier.

    We are continuing to work on a solution.

  • விசாரிக்கப்படுகிறது
    UTC
    விசாரிக்கப்படுகிறது

    An NVIDIA bug may be causing failures in A100 GPUs. nvidia-smi command is slow, or outputs "ERR!" or "No GPUs are found".

    Jobs on affected nodes may fail.

    We are investigating this issue.

For issues not shown here, please contact FASRC via
https://portal.rc.fas.harvard.edu or email rchelp@rc.fas.harvard.edu