关于 hyperpod-version-checker
hyperpod-version-checker 是用于检查 HyperPod 节点软件及相关组件的脚本技能。它生成文本或 JSON 报告以便跨节点比较，并分析 CUDA 与驱动的兼容性。
主要功能
- 01检查 GPU 与 CUDA 组件
- 02检查 EFA、NCCL、MPI 和 GDRCopy
- 03检查 Neuron SDK 与机器学习软件
- 04检查容器运行时
- 05生成文本或 JSON 报告
- 06分析 CUDA 与驱动兼容性
适用场景
- 01审查节点上的组件版本
- 02比较集群节点间的软件环境
- 03检查驱动与 CUDA 的兼容性
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/hyperpod-version-checker确认已加载。
附带文件scripts/hyperpod_check_versions.sh
详细介绍
HyperPod 版本检查器
通过 hyperpod-ssm 技能上传到集群节点，然后执行。
用法
# Text report to console + file
bash hyperpod_check_versions.sh
# JSON only to stdout (text report still saved to file) — best for piping/parsing
bash hyperpod_check_versions.sh --json
# Custom output file
bash hyperpod_check_versions.sh --output /tmp/versions.txt
# No color (for logging)
bash hyperpod_check_versions.sh --no-color
输出文件：component_versions_<hostname>_<timestamp>.txt（默认）
检查内容
| 组件 | 检测方法 | 适用场景 |
|---|---|---|
| NVIDIA Driver | nvidia-smi | GPU 实例（p3/p4/p5/g5） |
| CUDA Toolkit | nvcc、/usr/local/cuda 符号链接 | GPU 实例 |
| cuDNN | 头文件、软件包 | 执行深度学习的 GPU 实例 |
| NCCL | 库文件名、头文件、软件包 | 分布式 GPU 训练 |
| EFA | /opt/amazon/efa_installed_packages、fi_info | 支持 EFA 的实例（p4d/p4de/p5/trn1/trn2） |
| AWS OFI NCCL | efa_installed_packages、库搜索 | EFA + NCCL 工作负载 |
| GDRCopy | rpm/dpkg、内核模块 | 配备 RDMA 的 GPU 实例（p4d+/p5） |
| MPI | mpirun、/opt/amazon/openmpi | 分布式训练 |
| Neuron SDK | neuronx-cc、neuron-ls、软件包 | Trainium/Inferentia（trn1/trn2/inf1/inf2） |
| Python/PyTorch | python3、导入 torch | ML 工作负载 |
| 容器运行时 | docker、containerd、kubectl、nvidia-ctk | EKS 集群 |
多节点对比
通过 hyperpod-ssm 技能在每个节点上单独运行。使用 --json 时，标准输出为纯 JSON，便于比较差异。
兼容性参考
该脚本会自动分析 CUDA/驱动程序兼容性。供参考：
| 驱动程序系列 | 支持的 CUDA |
|---|---|
| 580+ | 13.x、12.x、11.x |
| 570+ | 12.8+（Blackwell）、12.x、11.x |
| 545+ | 12.3-12.7、11.x |
| 525-535 | 12.0-12.2、11.x |
| 450+ | 仅 11.x |
NCCL：CUDA 12.x 使用 2.18+，CUDA 11.x 使用 2.12+。所有节点必须保持一致。
| EFA 安装程序 | AWS OFI NCCL |
|---|---|
| 1.29+ | v1.7.3+（推荐） |
| 1.26-1.28 | v1.7.0-v1.7.2 |
| 1.20-1.25 | v1.6.0+ |
评论
支持 Markdown