摘要：本文详细介绍了N卡GPU服务器在AI模型训练前的系统性环境检查SOP，涵盖硬件状态、驱动与CUDA环境、深度学习框架依赖及性能基准测试等关键环节。重点包括：1）通过nvidia-smi检查GPU状态、拓扑和NVLINK连接；2）确认IB网卡名称与状态，确保NUMA平衡；3）设置GPU主频和CPU性能模式；4）验证RDMA网络性能；5）使用nccl-tests进行多机通信测试。通过这套标准化检