别只降压不测压：用训练脚本检测 GPU 稳定性
Think_Wing_1357 · reddit · 2026-08-23
文章指出 GPU 降压后若不进行压力测试，可能在推理或训练时因浮点运算错误导致输出崩溃。作者借鉴 CPU 超频思路，提出通过运行一个小型模型训练任务来测试 GPU 降压后的稳定性。
- 原理：训练任务比推理更能压榨 GPU 计算管线，浮点运算出错会导致 Loss 变为 NaN。
- 工具：作者 fork 了 karpathy 的 nanochat 项目，添加了 AMD ROCm 支持，并提供了 runs/speedrun.sh 脚本（适用于 AMD 和 Nvidia）。
- 操作：运行脚本约 20-30 分钟，观察输出日志。如果 Loss 出现 nan，说明降压过于激进；若全程数值正常，则说明当前电压设置稳定。
「Infra」频道最新
- 数据中心反对声浪与 AI 行业扩张的矛盾 — NathanpmYoung · 2026-08-23
- RTX A6000 换硅脂装风扇，我终于敢跑模型了 — cephaloform · 2026-08-23
- 大神为 AMD GFX906 显卡优化了 llama.cpp — milpster · 2026-08-23
- Nvidia AI 服务器涨价超 15%，GB300 售价约 60 万美元 — zephyr_z9 · 2026-08-23
- ROCM 在 Windows 平台上的生成速度是否值得切换？ — Low-Location5266 · 2026-08-23
- AI 算力非黄金，GPU 贬值快致金融衍生品失效 — AccBalanced · 2026-08-23