1. 环境准备与系统配置在开始安装Tesla M40/P40显卡驱动之前我们需要确保系统环境已经做好充分准备。我遇到过不少因为前期准备不足导致安装失败的情况所以这部分特别重要。首先BIOS设置是很多新手容易忽略的关键步骤。Tesla系列显卡需要启用Above 4G decoding选项这个功能允许系统访问超过4GB的PCIe地址空间。具体操作是重启电脑时按Del或F2进入BIOS设置界面不同主板按键可能不同找到PCIe/PCI设置区域将Above 4G decoding设为Enabled。这个设置对多卡并行计算尤其重要我在搭建8卡服务器时就因为没开这个选项折腾了半天。接下来要处理Ubuntu自带的nouveau开源驱动。这个驱动虽然开源友好但性能远不如官方驱动而且会和NVIDIA驱动冲突。禁用步骤其实很简单但有几个细节需要注意sudo nano /etc/modprobe.d/blacklist-nouveau.conf在文件中添加以下两行内容blacklist nouveau options nouveau modeset0这里我建议使用nano而不是gedit因为服务器环境可能没有图形界面。保存文件后执行以下命令使配置生效sudo update-initramfs -u然后必须重启系统。很多朋友反映禁用不成功十有八九是因为跳过了重启步骤。重启后可以用这个命令验证是否禁用成功lsmod | grep nouveau如果没有任何输出恭喜你nouveau驱动已经被成功禁用了。我在第一次操作时就是因为没验证这步导致后面安装过程各种报错。2. 彻底清理旧驱动如果你之前安装过NVIDIA驱动这一步绝对不能跳过。残留的驱动文件会导致各种奇怪的问题我吃过不少亏。清理过程分为几个步骤首先查看系统里所有与NVIDIA相关的包dpkg -l | grep -i nvidia这个命令会列出所有已安装的NVIDIA相关软件包。记下这些包名然后执行彻底卸载sudo apt-get --purge remove nvidia* sudo apt-get --purge remove libnvidia* sudo apt autoremove这里有个小技巧使用通配符nvidia*和libnvidia*可以确保把所有相关包都清理干净。purge参数会同时删除配置文件这点很重要。最后别忘了执行autoremove清理不再需要的依赖项。为了确保万无一失我还会手动检查几个目录是否有残留/usr/lib/x86_64-linux-gnu//usr/local/cuda*~/.nv/如果有残留文件建议手动删除。记得在删除前备份重要数据我就曾经不小心删错了文件导致系统崩溃。3. 安装必要依赖驱动安装需要一些基础编译工具和内核头文件这部分虽然简单但很关键。执行以下命令安装所需依赖sudo apt update sudo apt install -y gcc make dkms build-essential linux-headers-$(uname -r)这里有几个注意事项一定要先执行apt update更新软件源列表否则可能安装到旧版本linux-headers后面跟的是当前内核版本号使用$(uname -r)可以自动获取如果系统是刚安装的建议先执行sudo apt upgrade升级所有包我曾经遇到过因为gcc版本不匹配导致驱动编译失败的情况所以建议检查gcc版本gcc --versionUbuntu 22.04默认安装的是gcc 11.x版本这个版本与最新的NVIDIA驱动兼容性很好。如果版本过低可以考虑安装新版sudo apt install -y gcc-11 g-11 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-11 110DKMSDynamic Kernel Module Support是另一个重要组件它会在内核更新后自动重新编译NVIDIA内核模块。这在长期维护中特别有用避免了每次内核升级都要手动重装驱动。4. 下载与安装NVIDIA驱动现在来到核心环节——安装NVIDIA官方驱动。首先需要下载正确的驱动版本。Tesla M40/P40建议使用470.x或515.x系列驱动我个人更推荐515.x因为对CUDA新特性支持更好。可以从NVIDIA官网下载驱动或者使用命令行wget https://us.download.nvidia.com/tesla/515.65.01/NVIDIA-Linux-x86_64-515.65.01.run下载完成后给安装文件添加执行权限sudo chmod x NVIDIA-Linux-x86_64-515.65.01.run安装时建议加上以下参数sudo ./NVIDIA-Linux-x86_64-515.65.01.run --no-opengl-files --no-x-check --no-nouveau-check这几个参数的含义是--no-opengl-files不安装OpenGL相关文件服务器环境不需要--no-x-check安装时不检查X服务--no-nouveau-check不检查nouveau驱动我们已经禁用了安装过程中会遇到几个选项是否安装32位兼容库选择No除非有特殊需求是否注册新的kernel模块选择No是否运行nvidia-xconfig选择No安装完成后建议重启系统让所有更改生效。重启后可以运行以下命令验证安装nvidia-smi如果看到显卡信息输出说明驱动安装成功。我建议再运行几个测试命令nvidia-smi -q # 查看详细显卡信息 nvidia-debugdump -l # 检查驱动日志5. 常见问题排查即使按照步骤操作有时也会遇到问题。这里分享几个我遇到过的典型问题及解决方法。问题1安装后黑屏或无输出这通常是因为图形环境冲突。可以尝试进入恢复模式重新安装驱动并加上--no-opengl-files参数检查/etc/X11/xorg.conf文件必要时备份后删除更新GRUB配置sudo update-grub问题2nvidia-smi显示No devices were found可能原因显卡没插好或供电不足Tesla卡需要额外供电BIOS中PCIe设置不正确驱动版本不兼容问题3驱动与内核版本不匹配解决方法安装对应内核头文件sudo apt install linux-headers-$(uname -r)使用DKMS重新注册模块sudo dkms install -m nvidia -v 515.65.01考虑升级或降级内核版本问题4CUDA与驱动版本不兼容NVIDIA驱动和CUDA有严格的版本对应关系。可以通过以下命令检查nvidia-smi | grep CUDA Version如果版本不匹配要么升级驱动要么安装对应版本的CUDA工具包。我建议参考NVIDIA官方的版本兼容性表格。6. 性能优化与监控驱动安装成功后还可以做一些优化设置来提升显卡性能。首先建议启用持久模式这样即使没有客户端连接GPU也会保持初始化状态sudo nvidia-smi -pm 1对于Tesla M40/P40这类计算卡可以设置计算模式为独占进程sudo nvidia-smi -c 3监控方面除了常用的nvidia-smi我还推荐使用nvtop类似htop的GPU监控工具sudo apt install -y nvtop对于多卡系统可以设置GPU风扇速度如果适用sudo nvidia-smi -i 0 -fan 70 # 将0号GPU风扇设为70%温度管理也很重要Tesla卡的工作温度最好控制在80°C以下。可以通过以下命令设置温度阈值sudo nvidia-smi -i 0 -pl 250 # 将0号GPU功耗限制在250W最后建议定期检查驱动更新。NVIDIA会定期发布安全补丁和性能优化sudo apt update apt list --upgradable | grep nvidia7. 容器环境配置如果你使用Docker等容器技术还需要配置NVIDIA容器运行时。首先安装必要的包distribution$(. /etc/os-release;echo $ID$VERSION_ID) \ curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \ curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt update sudo apt install -y nvidia-docker2 sudo systemctl restart docker测试NVIDIA容器运行时是否正常工作docker run --rm --gpus all nvidia/cuda:11.6.2-base-ubuntu20.04 nvidia-smi这个命令会启动一个临时容器并执行nvidia-smi输出应该和宿主机一致。我在部署Kubernetes集群时还需要配置device pluginkubectl create -f https://raw.githubusercontent.com/NVIDIA/k8s-device-plugin/v0.12.2/nvidia-device-plugin.yml对于需要特定CUDA版本的应用可以使用nvidia/cuda镜像的对应标签。例如docker run -it --gpus all nvidia/cuda:11.6.2-runtime-ubuntu20.04 bash8. 长期维护建议驱动安装只是第一步长期稳定运行更重要。我总结了几个维护建议定期检查驱动日志sudo cat /var/log/nvidia-installer.log内核升级后的处理 每次系统内核升级后DKMS会自动重新编译NVIDIA内核模块。如果遇到问题可以手动触发sudo dkms install -m nvidia -v 515.65.01驱动回滚方法 如果新驱动出现问题可以回滚到旧版本sudo apt install nvidia-driver-470监控GPU健康状态nvidia-smi -q | grep -A 3 GPU UUID建立维护检查清单 我习惯维护一个简单的检查脚本包含以下内容驱动版本检查GPU温度监控显存使用情况计算错误统计对于生产环境建议配置告警系统当GPU温度过高或显存耗尽时及时通知。可以使用PrometheusGrafana搭建监控系统配合nvidia-gpu-exporter采集指标。最后提醒一点Tesla显卡的BIOS也可以更新但风险较大。除非NVIDIA官方明确建议否则不要轻易尝试。我曾经因为刷BIOS失败导致显卡变砖不得不返厂维修。
Ubuntu 22.04 部署 Tesla M40/P40 显卡驱动：从系统配置到验证的完整指南
发布时间：2026/5/15 13:25:12
1. 环境准备与系统配置在开始安装Tesla M40/P40显卡驱动之前我们需要确保系统环境已经做好充分准备。我遇到过不少因为前期准备不足导致安装失败的情况所以这部分特别重要。首先BIOS设置是很多新手容易忽略的关键步骤。Tesla系列显卡需要启用Above 4G decoding选项这个功能允许系统访问超过4GB的PCIe地址空间。具体操作是重启电脑时按Del或F2进入BIOS设置界面不同主板按键可能不同找到PCIe/PCI设置区域将Above 4G decoding设为Enabled。这个设置对多卡并行计算尤其重要我在搭建8卡服务器时就因为没开这个选项折腾了半天。接下来要处理Ubuntu自带的nouveau开源驱动。这个驱动虽然开源友好但性能远不如官方驱动而且会和NVIDIA驱动冲突。禁用步骤其实很简单但有几个细节需要注意sudo nano /etc/modprobe.d/blacklist-nouveau.conf在文件中添加以下两行内容blacklist nouveau options nouveau modeset0这里我建议使用nano而不是gedit因为服务器环境可能没有图形界面。保存文件后执行以下命令使配置生效sudo update-initramfs -u然后必须重启系统。很多朋友反映禁用不成功十有八九是因为跳过了重启步骤。重启后可以用这个命令验证是否禁用成功lsmod | grep nouveau如果没有任何输出恭喜你nouveau驱动已经被成功禁用了。我在第一次操作时就是因为没验证这步导致后面安装过程各种报错。2. 彻底清理旧驱动如果你之前安装过NVIDIA驱动这一步绝对不能跳过。残留的驱动文件会导致各种奇怪的问题我吃过不少亏。清理过程分为几个步骤首先查看系统里所有与NVIDIA相关的包dpkg -l | grep -i nvidia这个命令会列出所有已安装的NVIDIA相关软件包。记下这些包名然后执行彻底卸载sudo apt-get --purge remove nvidia* sudo apt-get --purge remove libnvidia* sudo apt autoremove这里有个小技巧使用通配符nvidia*和libnvidia*可以确保把所有相关包都清理干净。purge参数会同时删除配置文件这点很重要。最后别忘了执行autoremove清理不再需要的依赖项。为了确保万无一失我还会手动检查几个目录是否有残留/usr/lib/x86_64-linux-gnu//usr/local/cuda*~/.nv/如果有残留文件建议手动删除。记得在删除前备份重要数据我就曾经不小心删错了文件导致系统崩溃。3. 安装必要依赖驱动安装需要一些基础编译工具和内核头文件这部分虽然简单但很关键。执行以下命令安装所需依赖sudo apt update sudo apt install -y gcc make dkms build-essential linux-headers-$(uname -r)这里有几个注意事项一定要先执行apt update更新软件源列表否则可能安装到旧版本linux-headers后面跟的是当前内核版本号使用$(uname -r)可以自动获取如果系统是刚安装的建议先执行sudo apt upgrade升级所有包我曾经遇到过因为gcc版本不匹配导致驱动编译失败的情况所以建议检查gcc版本gcc --versionUbuntu 22.04默认安装的是gcc 11.x版本这个版本与最新的NVIDIA驱动兼容性很好。如果版本过低可以考虑安装新版sudo apt install -y gcc-11 g-11 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-11 110DKMSDynamic Kernel Module Support是另一个重要组件它会在内核更新后自动重新编译NVIDIA内核模块。这在长期维护中特别有用避免了每次内核升级都要手动重装驱动。4. 下载与安装NVIDIA驱动现在来到核心环节——安装NVIDIA官方驱动。首先需要下载正确的驱动版本。Tesla M40/P40建议使用470.x或515.x系列驱动我个人更推荐515.x因为对CUDA新特性支持更好。可以从NVIDIA官网下载驱动或者使用命令行wget https://us.download.nvidia.com/tesla/515.65.01/NVIDIA-Linux-x86_64-515.65.01.run下载完成后给安装文件添加执行权限sudo chmod x NVIDIA-Linux-x86_64-515.65.01.run安装时建议加上以下参数sudo ./NVIDIA-Linux-x86_64-515.65.01.run --no-opengl-files --no-x-check --no-nouveau-check这几个参数的含义是--no-opengl-files不安装OpenGL相关文件服务器环境不需要--no-x-check安装时不检查X服务--no-nouveau-check不检查nouveau驱动我们已经禁用了安装过程中会遇到几个选项是否安装32位兼容库选择No除非有特殊需求是否注册新的kernel模块选择No是否运行nvidia-xconfig选择No安装完成后建议重启系统让所有更改生效。重启后可以运行以下命令验证安装nvidia-smi如果看到显卡信息输出说明驱动安装成功。我建议再运行几个测试命令nvidia-smi -q # 查看详细显卡信息 nvidia-debugdump -l # 检查驱动日志5. 常见问题排查即使按照步骤操作有时也会遇到问题。这里分享几个我遇到过的典型问题及解决方法。问题1安装后黑屏或无输出这通常是因为图形环境冲突。可以尝试进入恢复模式重新安装驱动并加上--no-opengl-files参数检查/etc/X11/xorg.conf文件必要时备份后删除更新GRUB配置sudo update-grub问题2nvidia-smi显示No devices were found可能原因显卡没插好或供电不足Tesla卡需要额外供电BIOS中PCIe设置不正确驱动版本不兼容问题3驱动与内核版本不匹配解决方法安装对应内核头文件sudo apt install linux-headers-$(uname -r)使用DKMS重新注册模块sudo dkms install -m nvidia -v 515.65.01考虑升级或降级内核版本问题4CUDA与驱动版本不兼容NVIDIA驱动和CUDA有严格的版本对应关系。可以通过以下命令检查nvidia-smi | grep CUDA Version如果版本不匹配要么升级驱动要么安装对应版本的CUDA工具包。我建议参考NVIDIA官方的版本兼容性表格。6. 性能优化与监控驱动安装成功后还可以做一些优化设置来提升显卡性能。首先建议启用持久模式这样即使没有客户端连接GPU也会保持初始化状态sudo nvidia-smi -pm 1对于Tesla M40/P40这类计算卡可以设置计算模式为独占进程sudo nvidia-smi -c 3监控方面除了常用的nvidia-smi我还推荐使用nvtop类似htop的GPU监控工具sudo apt install -y nvtop对于多卡系统可以设置GPU风扇速度如果适用sudo nvidia-smi -i 0 -fan 70 # 将0号GPU风扇设为70%温度管理也很重要Tesla卡的工作温度最好控制在80°C以下。可以通过以下命令设置温度阈值sudo nvidia-smi -i 0 -pl 250 # 将0号GPU功耗限制在250W最后建议定期检查驱动更新。NVIDIA会定期发布安全补丁和性能优化sudo apt update apt list --upgradable | grep nvidia7. 容器环境配置如果你使用Docker等容器技术还需要配置NVIDIA容器运行时。首先安装必要的包distribution$(. /etc/os-release;echo $ID$VERSION_ID) \ curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \ curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt update sudo apt install -y nvidia-docker2 sudo systemctl restart docker测试NVIDIA容器运行时是否正常工作docker run --rm --gpus all nvidia/cuda:11.6.2-base-ubuntu20.04 nvidia-smi这个命令会启动一个临时容器并执行nvidia-smi输出应该和宿主机一致。我在部署Kubernetes集群时还需要配置device pluginkubectl create -f https://raw.githubusercontent.com/NVIDIA/k8s-device-plugin/v0.12.2/nvidia-device-plugin.yml对于需要特定CUDA版本的应用可以使用nvidia/cuda镜像的对应标签。例如docker run -it --gpus all nvidia/cuda:11.6.2-runtime-ubuntu20.04 bash8. 长期维护建议驱动安装只是第一步长期稳定运行更重要。我总结了几个维护建议定期检查驱动日志sudo cat /var/log/nvidia-installer.log内核升级后的处理 每次系统内核升级后DKMS会自动重新编译NVIDIA内核模块。如果遇到问题可以手动触发sudo dkms install -m nvidia -v 515.65.01驱动回滚方法 如果新驱动出现问题可以回滚到旧版本sudo apt install nvidia-driver-470监控GPU健康状态nvidia-smi -q | grep -A 3 GPU UUID建立维护检查清单 我习惯维护一个简单的检查脚本包含以下内容驱动版本检查GPU温度监控显存使用情况计算错误统计对于生产环境建议配置告警系统当GPU温度过高或显存耗尽时及时通知。可以使用PrometheusGrafana搭建监控系统配合nvidia-gpu-exporter采集指标。最后提醒一点Tesla显卡的BIOS也可以更新但风险较大。除非NVIDIA官方明确建议否则不要轻易尝试。我曾经因为刷BIOS失败导致显卡变砖不得不返厂维修。
