前提条件

显卡类型：专业显卡

特征：具备内存ECC，和一些特定的纠错能力，其他暂时不清楚。

SRAM报ECC错误，导致申请显卡资源失败。

该问题是使用ffmpeg通过cuda api进行申请显卡资源出现报错，或出现长期卡顿不动的情况。出现该问题时，一般均为向驱动产生较高的并发请求，并伴随着相对高一些的负载情况下。

透过nvidia-smi可以看到相应错误为：

可以看到SRAM的错误计数器已经很大，并且是无法纠错的部分。sram又常常被用于寄存器，所以出现这类错误时，gpu状态已经出现异常了，且nvidia官方仅仅提供了显存页的重定向（“退休”），并没有相应寄存器的不可纠错异常处理，因此再这样的情况下时，只有通过重启硬件来尝试解决，并通过nvidia-smi重置显卡。

不过在官方的文档里，如果30天出现5次以上的SBE，基本就可以考虑返修。对于SRAM错误，估计也是离返修不远了，除非是纯vbios或其他软件部分的问题。

参考信息：https://docs.nvidia.com/deploy/dynamic-page-retirement/index.html