====== Řešení potíží s grafikou (GPU Troubleshooting) ======

Tento průvodce pokrývá nejčastější chyby při používání GPU pro AI výpočty, akceleraci v Dockeru a práci s knihovnami CUDA.

===== 1. Chyba: "NVIDIA-SMI has failed" =====

Tato chyba se obvykle objevuje po aktualizaci systému nebo ovladačů, kdy jádro systému (kernel) stále používá starou verzi modulu, ale v systému je již nová verze.

**Příznaky:**
  * Příkaz ''nvidia-smi'' vrací: //"NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver."//

**Řešení:**
  - **Restart systému:** V 90 % případů vyřeší problém (zavede se správný modul).
  - **Reload modulu (Linux):** Pokud nemůžete restartovat, zkuste:
<code>
sudo rmmod nvidia_uvm
sudo modprobe nvidia_uvm
</code>

===== 2. Chyba: "CUDA Out of Memory" (OOM) =====

K této chybě dochází, když se pokoušíte načíst model, který je větší než dostupná kapacita vaší **VRAM**.



**Řešení:**
  - **Kvantizace:** Použijte menší verzi modelu (např. místo 8-bitové verze použijte 4-bitovou Q4_K_M).
  - **Snížení kontextu:** Zmenšete ''context window'' (např. z 32k na 8k tokenů).
  - **Ukončení ostatních aplikací:** Prohlížeče (Chrome) a grafické editory mohou blokovat i několik GB VRAM.

===== 3. Chyba: "CUDA version mismatch" =====

Stav, kdy systém hlásí různé verze CUDA v různých nástrojích.

^ Nástroj ^ Co ukazuje ^ Význam ^
| **nvidia-smi** | CUDA Version: 12.6 | Maximální verze, kterou podporuje váš **ovladač**. |
| **nvcc --version** | release 11.8 | Verze **vývojářského toolkitu**, který je fyzicky nainstalován. |

**Řešení:**
  * Pro běh aplikací (Inference) je důležitá verze v ''nvidia-smi''.
  * Pro kompilaci kódu musíte aktualizovat **CUDA Toolkit** tak, aby odpovídal požadavkům vaší knihovny (např. PyTorch).

===== 4. Problémy v Dockeru =====

**Chyba:** //"could not select device with capabilities: [[gpu]]"//

**Kontrolní seznam:**
  1. Je na hostiteli nainstalován [[it:nastaveni_gpu_v_dockeru|NVIDIA Container Toolkit]]?
  2. Byl po instalaci restartován Docker démon (''sudo systemctl restart docker'')?
  3. Máte v ''docker-compose.yml'' správně definovanou sekci ''deploy.resources''?



===== 5. Diagnostické příkazy =====

Pokud nevíte, kde je chyba, spusťte tyto příkazy a výstupy přiložte k ticketu:

| Příkaz | Účel |
|---|---|
| ''nvidia-smi'' | Základní stav GPU, ovladače a VRAM. |
| ''watch -n 1 nvidia-smi'' | Sledování teploty a zátěže v reálném čase. |
| ''dmesg \| grep -i nvidia'' | Logy jádra (odhalí HW chyby nebo pády ovladače). |
| ''sudo lshw -C display'' | Podrobný výpis hardwaru grafické karty. |

---
**Související:**
  * [[it:nvidia_ovladace|Správa NVIDIA ovladačů]]
  * [[it:nastaveni_gpu_v_dockeru|Konfigurace Dockeru]]
  * [[it:ovladace_a_cuda|Vše o CUDA]]

---
**Správce supportu:** @L2_Support
**Aktualizováno:** 04. 01. 2026