文档摘要

9.4 可靠性与容错（ECC显存、检查点恢复、故障注入测试） 9.4 可靠性与容错（ECC显存、检查点恢复、故障注入测试） 在高性能计算（HPC）和人工智能加速的浪潮中，GPU已成为不可或缺的算力引擎。然而，随着芯片集成度的指数级提升、电压的持续降低以及计算规模的不断扩大，硬件错误——无论是瞬时软错误（soft errors）还是永久硬错误（hard errors）——正逐渐从边缘问题演变为影响系统可靠性的核心挑战。 会员。《9.4 可靠性与容错（ECC显存、检查点恢复、故障注入测试）》收录于灏天文库文集《CUDA并行计算与GPU编程实战》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/555-cuda%E5%B9%B6%E8%A1%8C%E8%AE%A1%E7%AE%97%E4%B8%8Egpu%E7%BC%96%E7%A8%8B%E5%AE%9E%E6%88%98

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流