一种GPU故障检测与处理方法、装置、设备及存储介质

本申请公开了一种GPU故障检测与处理方法、装置、设备及存储介质，涉及云计算技术领域，包括：基于GPU的上下文切换次数和校验错误计数确定显存异常进程的位置信息；压缩动态关联各应用性能指标与GPU的处理器信息得到的关联结果得到压缩后数据，对压缩后数据进行流处理、时序预测与孪生映射操作得到检测结果；利用基于历史故障数据生成的目标监控规则并基于目标知识图谱与检测结果处理位置信息得到待处理方案；利用基于GPU的区域温度分布数据和任务队列深度生成的预警信号生成快照策略，利用备用计算节点并基于快照策略处理待处理方案得到目标方案。这样能够提高检测GPU的效率。