双3090跑AI任务会整机死机
fgoricha · reddit · 2026-07-18
作者在排查一台双 RTX 3090 机器的故障：两张卡单独跑长时间 AI 任务都正常，但一起跑时，几小时后整机硬锁死，屏幕断信号、网络中断，风扇和灯还在转，只能长按电源重启。
已知信息包括：
- 主板：EVGA X299 FTW K，CPU：i9-7940X，内存 128GB，1600W 电源。
- 两张 3090 都插在独立 x16 PCIe 槽位，中间有一槽间隔。
- 问题在 100% 和 80% 功率限制下都出现，温度和功耗在死机前看起来正常。
作者在寻求下一步排查思路，显然是在面对多 GPU 本地训练/推理的稳定性问题。
「Infra」频道最新
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- 劝退帖:推理工程是真金白银的硬活,八成尝鲜者已悄然放弃 — abhijithneil · 2026-09-11
- Hugging Face《Ultra Scale Playbook》:GPU 集群训练 LLM 的免费技术书 — mdancho84 · 2026-09-11
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11
- 推理服务关键指标盘点:流式速度 TPOT 与可用性如何影响体验 — abhijithneil · 2026-09-11
- PlanetScale 推出分片 Postgres,768 台服务器组成 1PB 单库 — dhruv2038 · 2026-09-11