服务器近来GPU驱动老是掉，命令nvidia-smi无法输出，GPU相干代码无法运行，重启之后恢复正常。在排查之后发现是因为近期内核版本更新过，驱动出现兼容性问题，需要重装驱动。
为了避免再次因为内核版本更新出现该问题，需要关闭内核的自动升级，再重装显卡驱动。
1. 内核自动升级关闭
1.1 禁用unattended-upgrades：
打开“/etc/apt/apt.conf.d/20auto-upgrades”文件，将其中的“1”全部改成“0”，生存退出。
- sudo vi /etc/apt/apt.conf.d/20auto-upgrades
1.2 禁用自动更新：
打开“/etc/apt/apt.conf.d/10periodic”文件，将其中的“1”全部改成“0”，生存退出。
- sudo vi /etc/apt/apt.conf.d/10periodic
1.3 重启服务器
2. 显卡驱动重装
2.1 更新软件列表，安装必要软件、依赖
安装驱动前需要更新软件列表和安装必要软件、依赖
- sudo apt-get update
- sudo apt-get install g++
- sudo apt-get install gcc
- sudo apt-get install make
- 打开“/etc/modprobe.d/blacklist-nouveau.conf”文件
- sudo vim /etc/modprobe.d/blacklist-nouveau.conf
- blacklist nouveau
- blacklist lbm-nouveau
- options nouveau modeset=0
- alias nouveau off
- alias lbm-nouveau off
- echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf
- 重启后执行部属命令，没有输出则说明nouveau禁用成功
2.3 卸载原有驱动
- sudo apt-get remove --purge nvidia*
后面有“reconmmended”的驱动即为体系保举安装的驱动程序，这里体系保举安装的为“nvidia-driver-535-server-open”。“nvidia-driver-535-server-open”和“nvidia-driver-535-server”的区别如下：
nvidia-driver-535-server-open：这个版本提供了开放源代码的驱动，大概具有更广泛的兼容性，并且通常由社区进行维护和更新。这个版本大概更得当那些更注重开源和自由软件的用户，大概需要在开放环境中运行的服务器。
nvidia-driver-535-server：这个版本大概是官方提供的闭源驱动，由NVIDIA公司直接维护和支持。它通常会提供更好的性能和稳固性，但大概缺乏开源版本的某些优势。这个版本大概更得当那些对性能和稳固性有较高要求的用户，大概在闭源环境中运行的服务器。
思量到服务器紧张用途是跑深度学习模型，以是这次选择安装的驱动为“nvidia-driver-535-server”。
- sudo apt install nvidia-driver-535-server
2.6 安装完成。
假如驱动还掉，可以思量重装CUDA。
CUDA卸载可参考：服务器：CUDA卸载（Ubuntu 20.04）
CUDA安装可参考：服务器：多CUDA配置
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
