回复：

先尝试以下方案：

1、先确认hymgr是否存在：ps aux |grep hymgr
2、再确认是否加载驱动：lsmod |grep hy
3、确认设备文件是否创建及权限：ls -l /dev/kfd;ls -l /dev/dri/renderD*
4、确认gddr training是否成功

有多种可能原因
1 lspci | grep -i "display"查看是否存在DCU物理设备，若存在：

• 尝试检查程序，是否存在内存溢出，DCU异常时会发起复位。
• 通过dmesg里有SMU fail的是没有解锁
  详见图1

2 若存在掉卡

• hy-smi报错isolation，输入ipmitool sel elist |grep ”Thermal Trip“ 有输出是DCU超温导致丢卡，暂时过温问题无法解决，可使用ipmitool power cycle重启恢复
  详见图2

3 重装驱动，回退操作系统内核版本。