企业官网建设流程全解析

NVIDIA 显卡驱动在 Ubuntu 下的安装，最麻烦的往往不是安装这一步，而是装完以后nvidia-smi仍然报错、nouveau 和官方驱动互相干扰、CUDA 版本和驱动版本对不上。下面的内容直接进入实践：先梳理驱动、CUDA、容器运行时之间的关系，再按禁用 nouveau、安装驱动、验证nvidia-smi、配置 CUDA、打通 Docker GPU 的顺序完成一个可复现的 NVIDIA 环境。文章末尾会单独列出 Windows 端 NVIDIA App 和控制面板的常见问题排查，以及在真实项目中值得维护的验收清单。命令和输出示例用于说明思路，实际版本以生产环境为准。

1. 先弄清楚驱动、CUDA、nvidia-smi 和容器运行时之间的关系

1.1 这几个名词不是同一层东西

普通用户很容易把“NVIDIA 驱动”和“CUDA”当成同一个东西，实际上它们负责的层级完全不同。

NVIDIA 驱动负责让操作系统识别 GPU，并提供底层的设备访问能力。CUDA Toolkit 负责提供编译器、运行时库和数学库，让 CUDA 程序能够在 GPU 上执行。nvidia-smi是驱动自带的系统管理工具，它能不能正常显示 GPU 状态，反映的是驱动层是否正常，而不是 CUDA Toolkit 是否安装。

容器运行时里还有一层nvidia-container-toolkit，它负责把宿主机的 GPU 设备和驱动库暴露给 Docker 容器。容器本身不需要重复安装驱动，但宿主机必须已经有一套正常工作的 NVIDIA 驱动。

1.2 驱动加载链路决定了 nvidia-smi 的报错方式

Linux 下 NVIDIA 官方驱动不是单个可执行文件，而是一组内核模块。核心模块是nvidia，负责 GPU 与内核之间的通信；nvidia_modeset负责显示输出；nvidia_drm负责 DRM 接入；nvidia_uvm负责 Unified Virtual Memory 相关功能。

系统启动时，内核加载这些模块，用户态的libcuda.so再与内核模块通信。nvidia-smi报出couldn't communicate with the NVIDIA driver时，问题通常不在nvidia-smi命令本身，而在于内核模块没有加载、被 Secure Boot 拦截，或者驱动的内核模块版本和当前内核不匹配。

所以安装 NVIDIA 环境时，第一步不是急着下载驱动，而是先理解驱动模块是否真正进入了内核。后面的所有排查都围绕这条链路展开。

2. 安装前先做环境检查，确认该换驱动还是该修驱动

2.1 先确认 GPU、系统版本和 Secure Boot 状态

安装驱动之前，先收集几项基本信息，避免装到一半才发现硬件不识别或内核不匹配。

uname -a cat /etc/os-release lspci | grep -i nvidia lspci -nnk | grep -i "VGA\|3D" mokutil --sb-state

lspci | grep -i nvidia用于确认系统是否能看到 NVIDIA 显卡。如果没有输出，先检查 BIOS 是否禁用了独立显卡，或者 PCIe 接口是否正常。mokutil --sb-state用来确认 Secure Boot 是否开启，因为 Secure Boot 会直接影响内核模块是否能被加载。

2.2 判断当前驱动状态是“没装”还是“装坏了”

执行nvidia-smi之前，要预先判断三种常见状态：

• nvidia-smi: command not found：通常表示驱动没有安装，或者/usr/bin路径里没有这个命令。
• NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver：表示nvidia-smi存在，但用户态无法与内核模块通信。
• 正常输出 GPU 型号、驱动版本、显存和 CUDA Version：表示驱动已经生效。

执行完nvidia-smi后，再用lsmod | grep nvidia确认模块加载情况。如果nvidia模块出现在列表里，说明驱动已经被内核加载；如果完全没有输出，说明模块没有被加载。

2.3 选择驱动安装方式，不要盲目追求最新版

Ubuntu 下安装 NVIDIA 驱动主要有三种方式，各自适用场景不同。

对大多数 Ubuntu 用户来说，优先用ubuntu-drivers autoinstall或者apt安装驱动。runfile 更适合需要特定新版驱动、并且有能力处理 DKMS 和 Secure Boot 的场景。

2.4 内核头文件和 DKMS 是安装前的必选项

驱动模块要编译进当前内核，必须保证内核头文件存在。缺少头文件时，驱动虽然能装上，但内核一升级就可能失效，之后就会随机触发nvidia-smi通信失败。

sudo apt update sudo apt install linux-headers-$(uname -r) dkms build-essential

DKMS 的作用是让驱动模块跟随内核版本自动重新编译。安装完驱动后，如果内核从6.5.0-25升级到6.5.0-27，DKMS 会在新内核环境下重新编译nvidia模块，避免每次升级内核后都要手动重装驱动。

3. 标准安装流程：先禁用 nouveau，再安装官方驱动

3.1 为什么必须禁用 nouveau

Ubuntu 自带的 nouveau 是 NVIDIA 的开源驱动。它虽然能点亮屏幕，但在新 GPU 上的支持不完整，而且与 NVIDIA 官方驱动存在设备节点和内核模块冲突。如果不把 nouveau 加入黑名单，安装官方驱动后经常出现模块加载优先级错乱。

3.2 创建 nouveau 黑名单并更新 initramfs

创建黑名单文件后，必须执行update-initramfs -u，否则重启时 initramfs 里仍然可能保留 nouveau 模块。

sudo bash -c 'echo "blacklist nouveau" > /etc/modprobe.d/blacklist-nouveau.conf' sudo bash -c 'echo "options nouveau modeset=0" >> /etc/modprobe.d/blacklist-nouveau.conf' sudo update-initramfs -u sudo reboot

重启后验证：

lsmod | grep nouveau

正常情况下没有任何输出。如果仍能看到 nouveau，说明黑名单没有真正生效，需要检查/etc/modprobe.d/下的配置是否被其他文件覆盖。

3.3 通过 apt 安装官方驱动

先枚举仓库里可用的驱动版本，再安装。

ubuntu-drivers devices apt-cache search nvidia-driver

如果希望系统自动选择推荐驱动：

sudo ubuntu-drivers autoinstall

如果已经明确知道版本号，比如需要nvidia-driver-550，可以直接安装：

sudo apt install nvidia-driver-550 sudo reboot

版本号不要照搬，先看ubuntu-drivers devices输出的推荐版本。

3.4 使用 runfile 安装时的注意事项

runfile 安装适合仓库里没有对应驱动版本的情况。基本流程是关闭图形界面、执行安装器、再重启。

cd /tmp chmod +x NVIDIA-Linux-x86_64-550.54.15.run sudo systemctl isolate multi-user.target sudo ./NVIDIA-Linux-x86_64-550.54.15.run sudo reboot

执行systemctl isolate multi-user.target会退出图形界面，操作前要先保存工作。安装器会询问是否注册 DKMS，建议选择 yes。如果系统开启了 Secure Boot，还要完成模块签名，否则重启后nvidia模块无法加载。

3.5 安装后验证驱动状态

正常安装后，nvidia-smi会输出类似下面的内容。

+-----------------------------------------------------------------------------+ | NVIDIA-SMI 550.54.15 Driver Version: 550.54.15 CUDA Version: 12.4 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Tesla T4 On | 00000000:00:1E.0 Off | 0 | |-------------------------------+----------------------+----------------------+

看到这一行内容，说明驱动模块已经正常工作。右上角的CUDA Version: 12.4只代表驱动支持的最高 CUDA 版本，不代表系统已经安装了 CUDA Toolkit。会不会有nvcc，需要另外验证。

4. nvidia-smi 报 cannot communicate with NVIDIA driver 的排查链路

4.1 先判断是命令不存在、模块未加载还是设备不识别

nvidia-smi报错时，不要立刻重装系统。先按现象分类。

4.2 按顺序执行排查命令

出现 `couldn't communicate