GPU压力测试指南

1. 标准版本

环境准备

sudo apt install -y fuse libfuse2 # 如果提示缺少依赖

---

1. 检查GPU是否在位

lspci | grep 9999

正常输出 8 张卡在位。

---

2. 升级VBIOS（正常可跳过）

进入固件目录：

cd /lib/firmware/metax/mxc500

升级VBIOS：

sudo mx-smi -u /lib/firmware/metax/mxc500/mxvbios-xxx.bin -t 600

或：

sudo mx-smi -U /lib/firmware/metax/mxc500/mxvbios-xxx.bin -i all

强刷：

mx-smi --force-vbios-flash xxx.bin -i ID

脚本强刷：

sudo python3 vbios_update.py -d all -l /lib/firmware/metax/mxc500/xxx.bin

---

3. 压力测试

设置时区：

sudo timedatectl set-timezone Asia/Shanghai

监控日志（root账户执行）：

nohup timeout 2h mx-smi \
--show-board-power \
--show-usage \
--show-temperature \
-l 3000 \
-o stress_20260529_n260fan.csv &

开始压测：

nohup /opt/maca/bin/mxvs stress \
--xcore \
--duration 2:00 &

---

2. 白牌版本

常用路径

# 管理工具
ht-smi

# BIOS目录
/lib/firmware/mars/htx201/

# 压测工具
/opt/hpcc/bin/htvs

---

压力测试

监控日志：

nohup timeout 1h ht-smi \
--show-board-power \
--show-usage \
--show-temperature \
-l 3000 \
-o st_log_20260413.csv &

开始压测：

nohup /opt/hpcc/bin/htvs stress \
--htcore \
--duration 1:00 &

3. 模型训练

标准版本

模型训练- 启动容器：

docker run -itd \
--device=/dev/dri \
--device=/dev/mxcd \
--group-add video \
--network=host \
--name lm \
--privileged=true \
--security-opt seccomp=unconfined \
--security-opt apparmor=unconfined \
--shm-size 100gb \
--ulimit memlock=-1 \
-v /data:/data 镜像名

导出日志：

docker cp \
lm:/software/home/xxx/llama2/megatron-lm/examples/log/llama2-7b_pretrain_WS4_TP4_PP1 \
llama2_7b-70h.log

白牌

启动容器：

docker run -itd \
--device=/dev/dri \
--device=/dev/htcd \
--group-add video \
--network=host \
--name lcl_lm \
--privileged=true \
--security-opt seccomp=unconfined \
--security-opt apparmor=unconfined \
--shm-size 100gb \
--ulimit memlock=-1 \
-v /data:/data 镜像名