服务项目

显存泄漏/占用

一句话定位：显存被异常占用或持续泄漏，最终导致 OOM，任务无法运行。

故障现象

nvidia-smi 显示显存已使用，但进程列表为空
多次运行后显存持续增长，最终 OOM
重启任务后显存仍无法释放

可能原因

驱动或框架 Bug 导致显存泄漏
僵尸进程占用 GPU 资源
异常程序未正常释放显存

维修方案

查找并结束占用进程
重新加载 GPU 驱动模块，释放泄漏显存
升级驱动至稳定版本，或修复框架版本
建立显存监控与告警机制