PPU 驱动 Release Note
目前PPU发布的驱动版本并没有全部在云产品上线。请根据您使用的云产品提供的具体驱动版本，查看对应版本的驱动更新信息。比如：ACS目前提供v1.4.1和v1.5.0两个版本的驱动供用户选择。v1.5.0版本驱动相对于v1.4.1版本驱动更新的内容，分别在1.5.0、1.4.4、1.4.3、1.4.2等多个版本章节中分别描述。其他跨版本更新情况以此类推。
v2.0.0
1. 新特性和优化
无
2. 缺陷修复
修复多机训练概率性掉卡问题，需搭配SDK 2.0.0使用 ，具体描述可参考KMD v1.5.5。
3. 已知问题
无
v1.6.1
1. 新特性和优化
无
2. 缺陷修复
修复CentOS 7.9上运行应用程序卡死的问题。
3. 已知问题
CentOS 7.9 + read only buffer + cudaHostRegister组合条件下会发生hang的问题，预计下个版本修复。
v1.6.0
1. 新特性和优化
支持Linux系统Hibernate&Resume电源管理特性。
2. 缺陷修复
修复真武810E在MIG二切分的场景下实例规格不统一的问题。
修复MPS模式从开启切换到关闭状态之后多进程场景（超过5个进程）挂死的问题。
3. 已知问题
无。
v1.5.5
1. 新特性和优化
无
2. 缺陷修复
修复多机训练场景概率性掉卡问题，问题描述如下：
在某些智驾场景的算法模型跨节点训练任务中，PPU 驱动在配置PCIe 访问PPU HBM 的请求优先级设置上有问题，导致LLC会优先响应可缓存的请求，而PCIe的读写操作优先级较低。
Fix 方案：配置寄存器调整了PCIe访问PPU HBM操作的优先级，内核驱动（KMD）与PCCL SDK的联合更新，需搭配PPU SDK 1.6.1-hotfix2 使用。
3. 已知问题
个别真武810E板卡使用MIG/SRIOV虚拟化功能2分片场景下可能存在创建CI/VF出错的问题，预计下个版本修复。
v1.5.4
1. 新特性和优化
无
2. 缺陷修复
修复ACS客户使用PPU驱动1.5.0后PCCL all_reduce会hang住的问题。
3. 已知问题
个别真武810E板卡使用MIG/SRIOV虚拟化功能2分片场景下可能存在创建CI/VF出错的问题，预计下个版本修复。
v1.5.3
1. 新特性和优化
无
2. 缺陷修复
修复 PPU SDK 1.5.1在 CUDA 12.6 环境下显存大量空闲时仍会触发 device memory OOM 的问题。
3. 已知问题
个别真武810E板卡使用MIG/SRIOV虚拟化功能2分片场景下可能存在创建CI/VF出错的问题，预计下个版本修复。
v1.5.2
1. 新特性和优化
无
2. 缺陷修复
[PAI] 真武810E环境rund拉起业务概率性掉卡。
修复CECC过多导致dmesg打印日志过多把磁盘打爆问题。
3. 已知问题
个别真武810E板卡使用MIG/SRIOV虚拟化功能2分片场景下可能存在创建CI/VF出错的问题，预计下个版本修复。
v1.5.1
1. 新特性和优化
无
2. 缺陷修复
修复多机DeepEP场景下随机崩溃的问题；
修复重启之后UECC无法正常修复的问题；
3. 已知问题
个别真武810E板卡使用MIG/SRIOV虚拟化功能2分片场景下可能存在创建CI/VF出错的问题，预计下个版本修复；
v1.5.0
1. 新特性和优化
真武810E上支持MIG和SRIOV虚拟化功能，支持1分片和2分片，不支持ICN互联，不支持热迁移；
支持容器内ppu-smi显示容器内的pid而不是host的pid
2. 缺陷修复
修复cuda host memory无法体现在进程内存和cgroup内存统计的问题；
修复iommu=nopt时dma unmap cpu page报错的问题；
修复GDR注册memory region性能差的问题；
修复icn link6概率性invalid的问题；
修复ppu-smi显示的显存总量不足96GB的问题；
修复onnx推理精度异常的问题；
修复vllm 0.8.3模型推理时cuda graph capture创建过多stream引发的宕机问题；
3. 已知问题
个别真武810E板卡使用MIG/SRIOV虚拟化功能2分片场景下可能存在创建CI/VF出错的问题，预计下个版本修复；
v1.4.4
v1.4.4版本在v1.4.3版本修复了onnx推理精度异常的问题，无新增功能。
1. 新特性和优化
无
2. 缺陷修复
修复onnx推理精度异常的问题；
3. 已知问题
无
v1.4.3
v1.4.3版本在v1.4.2版本基础上修复了若干重要缺陷，无新增功能。
1. 新特性和优化
无
2. 缺陷修复
修复cuda host memory无法体现在进程内存和cgroup内存统计的问题；
3. 已知问题
SRIOV虚拟化single VF模式下多进程运行video应用时有概率发生掉卡问题，预计下个版本修复；
v1.4.2
v1.4.2版本在v1.4.1版本基础上修复了若干重要缺陷，无新增功能。
1. Main Features and Bug Fix Lists
针对大量1bit ecc的场景进一步优化显存占用，最多占用256MB显存，避免业务出现oom。
针对2bit ecc remap fail的场景释放隐藏的修复资源，降低remap fail的几率。
修复remap fail occur flag重新安装驱动被清除问题。
优化设备利用率采集口径使其更接近真实的业务负载数据。
2. Known Issues
SRIOV虚拟化single VF模式下多进程运行video应用时有概率发生掉卡问题，预计下个版本修复；
v1.4.1
v1.4.1版本针对rund环境进一步优化了驱动加载时间，同时修复了若干严重缺陷。
1. Main Features and Bug Fix Lists
优化驱动加载时间，16卡真武810E加载时间从45s优化到22s左右。
优化rund guest驱动加载时间
新增模块加载参数SkipFlr来控制是否跳过驱动加载的FLR操作 （注意只可以在guest内第一次加载驱动时使用）。
驱动申请的大块系统内存从默认清零改为延迟清零。
修复多卡机型使用MPS潮汐模式切换时的业务core dump问题和偶发的宕机问题。
修复驱动在发生大量异常时打印过于频繁造成的cpu hard lockup宕机问题。
修复1bit ecc overflow未正确上报Xid的问题。
调整tx buffer阈值解决跨机尾使用博通线缆p2p性能不达标的问题。