VALIDATION / GPU HEALTH 0.1.0

検証したこと、
まだ分からないこと。

2026年10月25日、一般ユーザーで読み取り専用の点検を実施しました。

構成	環境	確認結果
A100 80GB PCIe ×4	Ubuntu 24.04 / Driver 595.99.02	4GPU、温度、ECC、メモリ情報を取得。ルート領域の空き約2.7%を要確認として表示。
H100 PCIe ×2	Ubuntu 26.04 / Driver 595.91.07	2GPU、温度、ECCを取得。温度の比較しきい値がN/Aのため温度判定を未確認と表示。
GPUなしBox PC	Ubuntu 26.04 / 8論理CPU	OS・メモリ・容量を取得。GPU点検は未実施と明示。

オフライン試験

21項目。ECCの旧・現行形式、N/A、部分取得、既知のエラー、温度しきい値、容量不足、機密情報の出力抑制、タイムアウト、ファイルの権限と上書き拒否などを確認しました。故障したGPUを実機で再現した試験ではありません。

負荷試験、CUDA計算、GPU間通信、性能、長期安定性、全ログの解析、ディスクの故障判定は行いません。正常動作・故障なしの証明や修理の要否判定には使えません。

MIG有効、混在GPU、H200・B200・RTX、ARM、Windows、macOS、他ドライバー版は実機未検証です。nvidia-smiの出力形式が変わると取得できない項目が増える可能性があります。

GPU温度は機器が報告する速度低下しきい値と比較します。メモリ利用可能量5%未満、ディスク容量・inode残量10%未満は、本ツールの運用目安でありメーカーの故障基準ではありません。