安装或卸载驱动

一、安装驱动与 CUDA

1.1 在线安装（推荐，自动解决依赖）

步骤 1：添加 NVIDIA 官方源

bash
展开代码
# 下载并安装官方密钥包
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb

# 更新软件源缓存
sudo apt update

步骤 2：选择驱动版本（二选一）

版本	适用场景	命令
Server 版	数据中心、无显示器、计算节点	`sudo apt install nvidia-driver-570-server`
普通版	工作站、有显示器、图形界面	`sudo apt install nvidia-driver-570`

注意：Server 版与普通版互斥，同时安装会导致冲突！

步骤 3：选择 CUDA 安装方式（二选一）

方式	特点	命令
官方 CUDA Toolkit	版本可控、功能完整、推荐	`sudo apt install cuda-toolkit-12-8`
Ubuntu 仓库版	版本固定、可能滞后、不推荐	`sudo apt install nvidia-cuda-toolkit`

步骤 4：配置环境变量（官方 CUDA 必需）


展开代码
# 创建环境变量文件
echo 'export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}' | sudo tee /etc/profile.d/cuda.sh
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' | sudo tee -a /etc/profile.d/cuda.sh

# 立即生效
source /etc/profile.d/cuda.sh

# 验证
nvcc --version
nvidia-smi

1.2 离线安装驱动（精确控制小版本）

适用场景

需要 精确驱动版本（如 580.65.06）
内网环境无法连接公网
生产环境要求版本锁定

步骤


展开代码
# 1. 从官网下载对应版本
# https://www.nvidia.cn/drivers/lookup/
wget https://us.download.nvidia.cn/XFree86/Linux-x86_64/580.65.06/NVIDIA-Linux-x86_64-580.65.06.run

# 2. 添加执行权限
sudo chmod +x NVIDIA-Linux-x86_64-580.65.06.run

# 3. 安装（关键参数说明）
sudo ./NVIDIA-Linux-x86_64-580.65.06.run \
  --no-opengl-files \      # 不安装 OpenGL（Server 场景推荐）
  --dkms \                  # 使用 DKMS 自动重建内核模块
  --silent \                # 静默安装（批量部署用）
  --no-x-check              # 不检查 X Server（无图形界面必需）

# 4. 验证
nvidia-smi

关键参数说明

参数	作用
`--no-opengl-files`	不安装 OpenGL 库，避免与 Mesa 冲突
`--dkms`	内核升级后自动重建驱动模块
`--silent`	无交互安装，适合脚本
`--no-x-check`	忽略 X Server 运行状态
`--uninstall`	卸载当前驱动

1.3 离线安装 CUDA（精确控制小版本）

适用场景

需要 精确驱动版本（如 580.65.06）
内网环境无法连接公网
生产环境要求版本锁定

步骤


展开代码
# 因为 cuda12.2 已经被官方下架，只能通过本地建仓库或者从官方下载 runfile 进行安装 cuda12.2
# 下载 12.2 runfile（含 535 驱动，但只装 Toolkit）
wget https://developer.download.nvidia.com/compute/cuda/12.2.0/local_installers/cuda_12.2.0_535.54.03_linux.run
sudo sh cuda_12.2.0_535.54.03_linux.run --toolkit --silent --override

# 写环境变量
echo 'export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}' | sudo tee -a /etc/profile.d/cuda.sh
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' | sudo tee -a /etc/profile.d/cuda.sh
source /etc/profile

# 验证
nvcc --version
# 若是没有正确返回，则重启后再次尝试

二、完全卸载驱动与 CUDA

2.1 标准卸载流程


展开代码
# 步骤 1：停止相关服务
sudo systemctl stop nvidia-persistenced
sudo systemctl stop docker  # 如使用 GPU 容器

# 步骤 2：卸载 NVIDIA 驱动包
sudo apt --purge remove nvidia*

# 步骤 3：卸载 CUDA 相关包
sudo apt --purge remove "*cublas*" "cuda*"

# 步骤 4：再次确认无残留
sudo apt --purge remove "*nvidia*"

# 步骤 5：清理自动依赖
sudo apt autoremove
sudo apt autoclean

# 步骤 6：运行官方 CUDA 卸载程序（如存在）
sudo /usr/local/cuda-12.8/bin/cuda-uninstaller

# 步骤 7：删除残留目录
sudo rm -rf /usr/local/cuda*
sudo rm -rf /opt/cuda*

# 步骤 8：清理内核模块
sudo dkms status | grep nvidia
# 如有输出，执行：
sudo dkms remove nvidia/$(dkms status | grep nvidia | awk -F', ' '{print $2}' | head -1) --all

# 步骤 9：重建 initramfs
sudo update-initramfs -u

# 步骤 10：重启验证
sudo reboot
nvidia-smi  # 应提示 command not found

2.2 离线安装驱动的卸载


展开代码
# 使用官方自带的卸载脚本
sudo /usr/bin/nvidia-uninstall

# 或重新运行 run 文件加 --uninstall
sudo ./NVIDIA-Linux-x86_64-580.65.06.run --uninstall

三、精准卸载：只卸驱动，保留 CUDA

3.1 适用场景

CUDA 版本正确，只需更换驱动版本
驱动升级/降级，不想重装 CUDA Toolkit
排查驱动故障，快速回滚

3.2 完整步骤


展开代码
# 步骤 1：停止驱动相关服务
sudo systemctl stop nvidia-persistenced

# 步骤 2：尝试卸载内核模块
sudo rmmod nvidia_drm nvidia_modeset nvidia_uvm nvidia 2>/dev/null || true

# 步骤 3：如模块正在使用，查找占用进程
sudo lsof /dev/nvidia* 2>/dev/null | grep -v "^COMMAND"

# 步骤 4：停止占用进程（示例：停止容器、推理服务等）
sudo docker stop $(sudo docker ps -q --filter "device=nvidia.com/gpu=all") 2>/dev/null || true
sudo kill -9 <PID>  # 替换为实际 PID

# 步骤 5：确认模块已卸载
lsmod | grep -E 'nvidia|nouveau'  # 应无输出

# 步骤 6：查询已安装的驱动包（精确匹配）
dpkg -l | grep -E 'nvidia-(driver|dkms|kernel|utils|firmware|modprobe|persistenced)'

# 步骤 7：卸载驱动包（保留 cuda-toolkit）
sudo apt-get remove --purge -y \
  nvidia-driver-* \
  nvidia-dkms-* \
  nvidia-kernel-common-* \
  nvidia-firmware-* \
  nvidia-utils-* \
  nvidia-modprobe \
  nvidia-persistenced

# 步骤 8：清理 DKMS 残留
sudo dkms status | grep nvidia
# 如有，执行：
sudo dkms remove nvidia/$(sudo dkms status | grep nvidia | head -1 | awk -F', ' '{print $2}') --all 2>/dev/null || true

# 步骤 9：删除驱动配置文件
sudo rm -rf \
  /lib/modules/*/updates/dkms/nvidia* \
  /etc/nvidia* \
  /etc/modprobe.d/nvidia* \
  /etc/udev/rules.d/*nvidia* \
  /var/lib/dkms/nvidia* \
  /usr/lib/nvidia*

# 步骤 10：重建 initramfs
sudo update-initramfs -u

# 步骤 11：重启并验证
sudo reboot

# 验证：驱动已卸载，CUDA 仍在
nvidia-smi        # 应提示 command not found
nvcc --version    # 应正常显示 CUDA 版本

四、常用诊断命令

4.1 查看内核模块状态


展开代码
# 查看已加载的 NVIDIA 模块
lsmod | grep nvidia

# 查看模块详细信息
modinfo nvidia

# 查看模块依赖关系
modprobe --show-depends nvidia

4.2 查看 GPU 状态


展开代码
# 基础信息
nvidia-smi

# 详细信息（包括温度、功耗、ECC 等）
nvidia-smi -q

# 只看显存信息（指定 GPU 0）
nvidia-smi -q -d MEMORY -i 0

# 持续监控（每秒刷新）
nvidia-smi -l 1

# 查看进程占用
nvidia-smi pmon -s um

4.3 查看驱动与 CUDA 版本


展开代码
# 驱动版本
cat /proc/driver/nvidia/version

# CUDA 版本（多方式）
nvcc --version
cat /usr/local/cuda/version.json 2>/dev/null || true
ls -la /usr/local/cuda | grep -Po '\d+\.\d+'