AI诊断

使用限制

• 地域限制

  本功能目前仅支持中国内地与中国香港。

• 操作系统限制

  架构	操作系统
  x86	Alibaba Cloud Linux 3
  	Alibaba Cloud Linux 3 Pro

• 实例限制

  本功能仅适用于GPU实例。

应用场景

本文列举了常见场景，您可以利用该功能进行诊断分析。

• 推理服务或训练出现异常情况，例如任务hang、推理延迟等。

• GPU出现异常，例如掉卡、XID错误等。

• NCCL（NVIDIA Collective Communications Library）异常，例如网络hang、算子hang等。

前提条件

• 如果您使用RAM用户，请确保阿里云账号（主账号）已将系统策略AliyunECSReadOnlyAccess和AliyunSysomFullAccess授予RAM用户。

• 已开通控制台权限。

  首次登录操作系统控制台时，单击开通服务以开通控制台服务。

操作步骤

1. 登录操作系统控制台。

2. 为目标ECS实例安装SysOM。

3. 在左侧导航栏，选择AI性能与诊断 > AI诊断。

4. 选择目标实例，单击执行诊断。

   

5. 在分析记录区域，单击查看报告。

   

   例如，诊断结果显示NCCL hang问题的报告如下图所示。