Устранение ошибки видеокарт Nvidia cannot get fan speed

При майнинге на видеокартах Nvidia иногда возникают досадные ошибки вида:

NVML: cannot get fan speed, error 999 (an internal driver error occurred)

или

NVML: cannot get temperature, error 999 (an internal driver error occurred),

а также

NVML: cannot get current temperature, error 15.

Через несколько минут после появления таких ошибок обычно крашится майнер и зависает система.

При этом в логах майнера перед зависанием можно найти строки, похожие на следующие:

GPU 1, GpuMiner cu_k1 failed 30, unknown error 
GPU 1, GpuMiner kx failed 1

set global fail flag failed gpu1

GpuMiner cu_k01 failed 73, an illegal instruction was encountered

Рассмотрим подробнее причины появления ошибок NVML cannot get fan/temperature error 15 или 999 и чем их исправить.

Причины появления ошибки NVML error 999 (an internal driver error occurred)

Проблемы, связанные с появлением ошибок библиотеки NVIDIA Management Library (NVML) с разным кодом (обычно это 15, 17 или 999) приводят к потере контроля/управления температурой и вентиляторами видеокарты.

Они связаны с некорректной работой NVML API, входящего в состав драйверов NVidia. Согласно спецификации:

ошибка с кодом 15 свидетельствует о том, что GPU теряет связь с шиной PCI-E и затем становиться недоступной для управления (NVML_ERROR_GPU_IS_LOST);
ошибка с кодом 17 свидетельствует о том, что видеокарта заблокирована другим процессом (NVML_ERROR_OPERATING_SYSTEM = 17, GPU control device has been blocked by the operating system/cgroups);
error 999 свидетельствует о неизвестном сбое в работе драйверов (NVML_ERROR_UNKNOWN = 999 -an internal driver error occurred).

Основной причиной появления этих ошибок является наличие проблем в прохождении данных по каналу видеокарта-материнская плата.

Прохождение сигнала по шине PCI-E происходит с ошибками из-за таких неисправностей:

некорректная установка или повреждение файлов драйверов;
неверная установка в BIOS скорости передачи данных для устройств PCI-Express;
некорректная работа устройств PCI-E из-за включения энергосберегающего режима питания этой шины;
перегрев южного моста и вызванные этим нарушения обмена данными по линии PCI-Express;
перегрев видеокарты и появление, связанных с этим проблем в работе ее электронных компонентов;
неисправности райзеров (обычно это плохие контакты по линиям передачи данных и по питанию);
плохой контакт в разъемах кабелей питания/передачи данных;
некачественные блоки питания, слишком большая нагрузка на них;
наличие сильных электромагнитных помех, проникающих на риг из сети;
слишком большой разгон/даунвольтинг GPU.

Что нужно сделать, чтобы устранить ошибку NVML error 999 (an internal driver error occurred)

Для устранения ошибки NVML: cannot get fan speed, error 999 необходимо произвести следующие действия:

проверить/заменить райзера, кабеля питания, очистить контакты на разъемах видеокарты, райзерах и кабелях питания/USB-удлинителях;
увеличить размер файла подкачки до суммарного объема видеопамяти установленных в риге видеокарт;
уменьшить разгон по ядру и памяти, уменьшить даунвольтинг. В первую очередь нужно уменьшать разгон/даунвольтинг на карте, номер которой первым появляется в логах майнера перед зависанием. Если первой появляется строка GPU 1, GpuMiner cu_k1 failed 30, unknown error, то проблема, скорее всего, связана именно с первой видеокартой;
отключить опцию PCIe Power Saving в параметрах электропитания системы (меню настройки схемы электропитания – изменить дополнительные параметры питания – PCI Express – Управление состоянием связи – Откл.);
заново произвести установку драйверов с полной деинсталляцией предыдущей версии;
обеспечить хорошее охлаждение южного моста путем установки радиатора или вентилятора;
установить в BIOS скорость обмена по линии PCI-E в GEN 2 или 1;
обеспечить достаточную мощность блока питания и проверить качество выдаваемых им напряжений с помощью вольтметра;
поменять разъем PCI-E, в который включается видеокарта, попробовать включить ее в него без райзера.

При подозрении на неисправность разъема материнской платы нужно попробовать вставить в него другую видеокарту с заведомо исправным райзером. Если ошибка возникает снова, то, скорее всего неисправность возможно связана с материнской платой.

Небольшую помощь при запуске Claymore miner при наличии проблем, связанных с контролем вентиляторов видеокарт, может дать включение в батник параметров:

-tt 1 — отключение управления вентиляторами;

-tt 0 — отключение мониторинга температуры и вентиляторов;

-wd 0 – отключение программного watchdog, встроенного в майнер.

Отключение управления работой вентиляторов в майнере не будет проблемой при использовании MSI Afterburner или nvidiainspector по методике, описанной в статье «Оптимизация потребления видеокарт Nvidia при майнинге».

Использование такого «костыля» может увеличить время бесперебойной работы рига, но если в компьютере останется плохой контакт, то все равно работа рига будет нестабильной, и он будет периодически зависать.

В этом случае может помочь один из аппаратных сторожевых таймеров, некоторые из которых описаны в статье «Китайские сторожевые таймеры для майнинга».

О других ошибках, возникающих при майнинге и способах их устранения, можно почитать в статьях: