你好，欢迎来访

这里是我的个人博客，用来记录技术、阅读、想法和一些慢慢成形的实践。 克制一切繁杂功能，保持轻量、清爽、易阅读。

可以从 全部文章 开始浏览。

精选文章

• H800 集群部署记录：节点、网络、NCCL 和调度前检查

  2024 年 5 月 16 日

  记录 H800 集群交付时需要检查的节点状态、网络、容器、NCCL 参数和调度前确认项。

• GPU 服务器交付前验收：驱动、CUDA、拓扑和压测

  2024 年 1 月 20 日

  记录 NVIDIA GPU 服务器交付前常做的验收项，包括 nvidia-smi、CUDA samples、拓扑、Fabric Manager、DCGM 和 NCCL Tests。

• A100 节点标准化记录：系统、驱动、容器运行时和巡检

  2023 年 12 月 7 日

  记录 A100 节点标准化时常做的系统基线、驱动确认、NVIDIA Container Toolkit、Docker 验证和巡检脚本。

• A100/H800 装机记录：NVIDIA 驱动、CUDA 和 Fabric Manager

  2023 年 9 月 18 日

  记录 A100、H800 服务器安装 NVIDIA 驱动、CUDA 和 Fabric Manager 时的检查步骤和常见验证命令。

• 服务器交付前检查清单：硬件、系统、网络和 GPU

  2023 年 2 月 18 日

  记录服务器交付前常做的检查项，包括硬件识别、RAID、系统版本、网络、日志、GPU 和交付文档。