NVIDIA DSX OS 如何配置、认证与运维 Kubernetes GPU 集群

NVIDIA DSX OS 面向 Kubernetes GPU 集群的配置、认证与运维，针对单块 GPU 性能不达标拖慢整个分布式训练任务的问题。这类节点可能通过基础健康检查、利用率显示正常，运维人员往往要等工作负载跑起来才发现异常。问题可能出现在集群生命周期的任何阶段，通过交接检查的集群也会随节点更换、驱动打补丁而变化。