|
课程培训
|
Gpu硬件培训课程
课程内容安排： 1：服务器架构与H100硬件基础
模块1：超微8核服务器架构解析
- CPU-GPU协同机制：PCIe 5.0通道分配与性能瓶颈
- 电源管理单元（PMU）与GPU动态调频（DVFS）
- H100 NVLINK模组硬件：SXM5接口、12层PCB设计、信号完整性
- NVSwitch 4.0架构：900GB/s双向带宽拓扑设计
- HBM3内存堆叠技术：80GB容量、3TB/s带宽实现原理
模块2：H100散热与功耗设计
- 液冷模组拆解规范（冷板、歧管、快速接头操作）
- 700W TDP电源分配（12V/5V/3.3V轨道负载）
- 动态加速技术（Multi-Instance GPU）对功耗影响
2：故障诊断工具链与基础流程
模块1：硬件诊断工具
- 示波器使用：PCIe Gen5眼图测量、NVLINK差分信号时序
- 热成像仪操作：GPU/VRM/HBM温度阈值与散热效率计算
- 散热效率公式：ΔT = T_junction - T_ambient
模块2：软件诊断工具
- nvidia-smi深度解析：ECC错误计数、NVLINK错误码
- DCGM实战：GPU健康检查
- 诊断报告生成：JSON格式解析与错误分级标注
3：核心故障类型与诊断逻辑
模块1：硬件级故障
- GPU不认卡故障树分析
- NVLINK报错诊断：LTSSM状态机、训练序列失败定位
- 案例：SXM5接口金手指氧化导致链路中断
模块2：软件级故障
- 固件兼容性问题：vBIOS版本与驱动匹配规则
- ECC报错处理：SBE/DBE处置流程与内存压缩技术
- 案例：固件回滚解决HBM3训练失败
4：核心维修技术理论
模块1：GPU/PCBA更换
- BGA返修规范：预热曲线、植球工艺
- 散热系统重装：液金导热剂涂抹、冷头压力校准
模块2：NVLINK连接器修复
- 显微级检测：针脚共面度、差分对阻抗匹配
- 案例：眼图优化解决NVLINK误码率过高
5：固件调试与合规管理
模块1：固件调试
- NVFlash高级操作：安全启动密钥注入、BIOS/BMC双冗余设计
- 案例：修复固件签名错误导致的GPU无法启动
模块2：SN码合规操作
- 合法写入流程：Supermicro IPMICFG工具、NVIDIA Enterprise Toolkit绑定规则
- 风险规避：OEM白名单机制、硬件标识符法律声明
6：线上远程实操（基础操作）
实操1：故障模拟与诊断
- 场景1：H100卡运行不稳定
- 热成像定位散热盲区 → 调整风扇曲线 → 验证HBM3温度墙
- 场景2：NVLINK报错
- 示波器捕获LTSSM状态 → 定位链路中断节点 → 重做连接器
实操2：核心维修操作
- 任务1：GPU更换
- 液冷模组拆卸 → BGA返修台拆焊 → 新卡植球 → 散热系统重装
- 任务2：SN码重新写入
- 备份原始SN → 合法工具注入新码 → 验证资产管理系统
7：线上远程实操（综合案例）
案例1：服务器机头托盘卡顿+NVLINK报错+功耗异常
- 流程：IPMI日志定位电源背板故障 → 更换电源模块 → 调整GPU功耗上限 → 固件更新
案例2：算力卡不认卡+ECC报错
- 流程：检查BIOS白名单 → 禁用安全启动 → 清除ECC计数器 → 重新训练NVLINK链路 如果您想学习本课程，请预约报名
如果没找到合适的课程或有特殊培训需求，请订制培训 除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916 技术服务需求表下载请点击 服务优势： 丰富专家资源，精准匹配相关行业，相关项目技术精英，面向用户实际需求，针对性培训或咨询，互动式交流，案例教学，精品小班，实际工程项目经验分享，快捷高效，节省时间与金钱，少走弯路与错路。 专家力量： 中国科学院相关研究所高级研究人员 西门子，TI,vmware，MSC,Ansys，MDI，Mentor, candence,Altium,Atmel 、Freescale,达索，华为等 大型公司高级工程师，项目经理，技术支持专家 中科信软培训中心，资深专家或讲师 大多名牌大学，硕士以上学历，相关学历背景专业，理论素养高 多年实际项目实践，大型复杂项目实战案例分享，热情，乐于技术分享 针对客户实际需要，真实案例演示，互动式沟通，学有所值 |
|
