片上内存诊断

测试项功能

对高带宽内存进行诊断，并输出诊断结果。

表1 诊断项说明
诊断项名称	参考耗时	是否影响NPU训练或推理	使用场景
片上内存诊断	2s~4s	否	训练或推理任务时，NPU芯片片上内存出现ECC故障。

片上内存压测和片上内存诊断有不同的使用场景，具体请参见表1。请根据实际使用场景选择执行片上内存压测或片上内存诊断。
若想同时使用片上内存诊断、片上内存压测、片上内存高危地址压测请执行一键式片上内存压测诊断。

测试项特定参数查询

各参数解释如表2所示，表格内仅展示测试项特定参数，其余公共参数请参见公共参数说明。

表2 参数说明
参数	说明	是否必填
[-i, --items]	指定具体的诊断检查项。当前仅支持指定的诊断项为hbm/chipMemory。hbm和chipMemory不能同时指定。使用Atlas A2 训练系列产品、Atlas 800I A2 推理服务器、A200I A2 Box 异构组件、Atlas A3 训练系列产品、Atlas A3 推理系列产品时，指定诊断项为hbm。使用Atlas 300I Pro 推理卡、Atlas 300V 视频解析卡、Atlas 300V Pro 视频解析卡、Atlas 300I Duo 推理卡时，指定诊断项为chipMemory。	是

使用实例

以Atlas A2 训练系列产品上使用hbm为例。

ascend-dmi -dg -i hbm

[***@***]# ascend-dmi -dg -i hbm
Summary:
    Arch: aarch64
    Mode: ******
    Time: 20250529-19:25:25
 
Hardware:
    hbm:
        PASS

以Atlas 300I Duo 推理卡上使用chipMemory为例。

ascend-dmi -dg -i chipMemory

[***@***]# ascend-dmi -dg -i chipMemory
Summary:
    Arch: aarch64
    Mode: ******
    Time: 20250529-19:25:25
 
Hardware:
    chipMemory:
        PASS

故障检查项说明

表3 故障检查项说明
回显状态	含义
PASS	片上内存检测通过，无异常。
SKIP	当前硬件形态不支持片上内存检测。
GENERAL_WARN	历史多比特存在隔离页，告警NPU芯片健康管理故障码为0x80E18401；多比特实时隔离页数量>=16且<64；可以继续使用。
EMERGENCY_WARN	历史多比特隔离页数及设备隔离行过多，告警NPU芯片健康管理故障码为0x80E18402，建议更换备件。相同Stack及PC内的隔离行处于不同Bank的数量 ≥ 4，当前设备运行存在高风险，建议更换备件。相同Stack、相同Sid及不同PC内的隔离行 ≥ 4，当前设备运行存在高风险，建议更换备件。相同Stack、Sid、PC及Bank内的隔离行＞16，当前设备运行存在高风险，建议更换备件。相同Stack、Sid、PC及Bank内，排除4bit及以内相邻的错误地址，其他不同地址的数量＞ 5，当前设备运行存在高风险，建议更换备件。多比特实时隔离页数量>=64，当前设备运行存在高风险，建议更换备件。说明：使用Atlas 300I Pro 推理卡、Atlas 300V 视频解析卡、Atlas 300V Pro 视频解析卡、Atlas 300I Duo 推理卡产品，NPU芯片故障码为0x80DF8402或者ECC多比特实时隔离页>=64时，当前设备运行存在高风险，建议更换备件。
FAIL	片上内存检测失败，请联系华为工程师处理或参考FAQ进行定位。

父主题： 健康检查场景