主页

七月初，超频爱好者们又给老黄带来了新的惊喜：RTX 5090 的若干非公开的温度传感器的 PCIe BAR 地址被逆向了出来： [1][2][3]。这些传感器包含了四个热点（hotspot）CH0 到 CH3，以及每一片 GDDR7 显存模块的温度（根据型号不同，可能有 8 或者 16 个传感器）。这些热点传感器比公开 API（比如 nvidia-smi 或者 NVML）能读到的信息更丰富，更接近芯片的实际温度（比如结温），刷新率也更高，自然能给超频玩家更多的玩法。但我并不超频，它还有什么用呢？有的，这两天，在 GPT-5.6 Sol 的帮助下，我还是做了一些有趣的探究。

今天在组里的某个 GPU 集群上部署了一套 SLURM，方便多人使用。我本以为只是从已有集群复制配置、启动服务，十分钟之内就能搞定，没想到因为一个玄学的问题整整卡了一个多小时。

免责声明： 本文涉及对 GPU 驱动的修改，作者不对任何因此产生的后果负责。

TL;DR:

本文部分内容由 GPT 5.4 根据大纲写成，我进行了校对和风格修改。如仍有生硬之处，敬请谅解。本文中的 vibe coding 过程使用 GPT 5.4 / Claude Opus 4.6 完成，使用了 Cursor 和 Claude Code 作为不同阶段的辅助工具。

免责声明： 本文涉及对 GPU 驱动的修改，作者不对任何因此产生的后果负责。

为了方便各类课程给学生提供开箱即用的 Python 环境，我在教学实验室的 Kubernetes 上（由杰哥强力驱动）部署了一套 JupyterHub，并进行了一些必要的自定义。本文介绍整个部署过程，并记录一些经验和踩过的坑。

最近组里新购入了一些杂牌 GPU 服务器，为了监控功耗，我部署了 Prometheus 社区的 ipmi_exporter 从 BMC 读取带外数据，并使用 Grafana 制作了 Dashboard。然而很快我就发现了奇怪的现象：