Ubuntu下深度学习/炼丹死机，13/14代 CPU与主板兼容性问题

先看配置：

CPU： i9 13900K

主板： 华硕 PRIME Z690-P

事情的起因：ubuntu下，炼丹的时候在起步周期的若干个周期内经常发生电脑直接卡死，键鼠输入无法应，显示服务器无反应。重启电脑之后翻看logs，无法找到任何相关的报错logs。windows下很少发生类似问题（只在玩老头环加载地图的时候自动重启了一次）。

一句话概括我的解决方案：升级BIOS

故障排除经历：

第一轮：

推测问题出现在显卡（4090）、nvidia driver、cuda、cudnn不兼容或是它们与pytorch框架不兼容的问题，尝试降低pytorch版本、更新nvidia driver版本（驱动向下兼容的可以往上更新）、卸载并安装其他版本的cuda与cudnn。

问题未得到解决。

第二轮：

参考了这篇博客：NVIDIA驱动 XORG频繁崩溃_xorg nvidia 太卡-CSDN博客

查看了显示服务器，为xorg，为什么是xorg呢？因为之前想要使用远程桌面连接，向日葵只支持xorg，所以更改为了xorg。然而，启用远程桌面链接，即使不进行炼丹也会发生死机现象。

所以推测问题出现在xorg与nvidia驱动不兼容，永久禁用了xorg并使用wayland，并写了个service，持续打开nvidia driver的persistent mode。

看上去像是解决了问题，终于能炼了，问题得到了缓解。

然而若干天之后又一次在炼丹中发生了系统卡死的问题。

第三轮：

认为问题出现在硬件上，耗费大量时间检查了ssd，hdd的状态，发现均为良好。

认为问题出现在炼丹的时候batch size开太大导致的问题，然而显存并未发生溢出，对其他硬件知识也有限，毕竟4090就是用来炼丹的，无法做出妥协。

问题未得到解决。

第四轮：

问题困扰了我很久，直到看到了这篇文章：关于 13/14 代 cpu 搭配 z790-p 主板深度学习代码死机的故障排查 - 哔哩哔哩

近日无意间了解到 intel 13，14 代由于奔放的大小核性能，刻意拉高频率，压低电压导致 cpu 不稳定现象频繁出现，各大主板商相继推出了“补救”bios 的新闻。

文中提到：https://baijiahao.baidu.com/s?id=1798535964378045147&wfr=spider&for=pc&searchword=intel%20default%2013/14%E4%BB%A

此前有报道称，英特尔开始调查第13和14代酷睿处理器的游戏稳定性问题，主要集中在英特尔酷睿i9-13900K/14900K等高端处理器上，而且在采用虚幻引擎的游戏上会表现得较为明显，一般会提示“显存不足”、运行不稳定或者随机崩溃等情况。目前华硕、技嘉、微星、华擎和映泰都针对该问题，公布了对应的解决方案。

推测问题出现在 13/14 代 cpu 与 主板之间的兼容性问题。

询问群友，罗列解决方案如下：

1. 更新BIOS，使用主板厂商的推荐设置（文章推荐，群友不推荐，原因是ac loadline太高，电压会去到1.5v以上，可能会降低cpu寿命）

2. 手动给电压，倍频锁55，防掉压选lv6，bios电压给到1.38v（群友方案）

选择方案1，原因：硬件知识有限，更新BIOS相对更简单，出问题了厂商全责，选择相信厂商

不怕麻烦的可以选方案2

解决方案：更新了BIOS

重新炼了一炉，完美，没发生任何炸炉现象。问题得到了解决。