顯卡異常: 顯卡nvidia-smi后 提示Faild 解決過程，卸載重裝nvidia驅動步驟

文章目錄

• • • 顯卡異常: 顯卡nvidia-smi后 提示Faild 解決過程，卸載重裝nvidia驅動步驟
  • @[toc]
  • • • 1 緣由
      • 2 解決過程
      • 3 過程所需命令
      • 4 解決
      • • 4.1 把該顯卡重新拔插一下
        • • 卸載NVIDIA驅動的方法（卸載完重啟機器再安裝）
        • 4.2 換一張顯卡試試
        • 4.3 把該顯卡放到同型號的其它機器試驗性能
      • 5 結論

1 緣由

起初程序運行好好的，突然就沒有檢測輸出了，嘗試下面命令：

nvidia-smi

報錯如下，記為【Error1】

Unable to determine the device handle for GPU 8000:01:00.0: Unknown Error

reboot機器后，又輸出如下，記為【Error2】

NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.

2 解決過程

（1）首先第一反應是驅動連不上了，于是重新裝了驅動，然后就確確實實是又可以正常輸出顯卡信息及使用情況了。

（2）但是沒過多久程序又出錯了，然后輸入nvidia-smi又報了上述【Error1】的問題。重啟機器后，還是【Error2】的輸出。懷疑是顯卡物理脫離服務器了，可能引腳松動了。于是做了如下試驗：

（2.1）拿一臺沒有毛病的服務器，輸入nvidia-smi，顯卡正常輸出，關機。

（2.2）將該服務器顯卡拔下來，開機后輸入nvidia-smi，顯卡輸入前述【Error2】，關機。

（2.3）將該服務器顯卡再插上，開機后，輸入nvidia-smi，顯卡正常輸出。這里，我們開機后，甚至都沒有重新安裝顯卡驅動。值得注意的是，我一直以為顯卡拔下來再重新插回去需要重新安裝顯卡驅動。這里重新插上顯卡之后，竟然不用重新裝驅動，也是震驚了我。

3 過程所需命令

（1）如下命令輸出（rev ff），則可能顯卡物理松了

lspci| grep -i nvidia

正常輸出示例如下：

02:00.0 VGA compatible controller: NVIDIA Corporation Device 2684 (rev a1)
02:00.1 Audio device: NVIDIA Corporation Device 22ba (rev a1)

（2）查看物理有沒有顯卡的命令，如下

sudo lshw -C display 

=====>打印沒有任何輸出， 正常會輸出物理設施信息，正常輸出示例如下：

  *-displaydescription: VGA compatible controllerproduct: NVIDIA Corporationvendor: NVIDIA Corporationphysical id: 0bus info: pci@0000:02:00.0version: a1width: 64 bitsclock: 33MHzcapabilities: pm msi pciexpress vga_controller bus_master cap_list romconfiguration: driver=nvidia latency=0resources: irq:137 memory:a2000000-a2ffffff memory:90000000-9fffffff memory:a0000000-a1ffffff ioport:4000(size=128) memory:c0000-dffff

（3）顯示操作系統發行版本號

uname -r 

（4）顯示系統名、節點名稱、操作系統的發行版號、內核版本等

uname -a

（5）

lspci

正常輸出包含NVIDIA信息，異常輸出則沒有這條。

4 解決

最終，我們覺得肯定是物理上顯卡，或者卡槽存在問題。

4.1 把該顯卡重新拔插一下

卸載NVIDIA驅動的方法（卸載完重啟機器再安裝）

方法一
sudo bash NVIDIA-Linux-x86_64-510.47.03.run -uninstall
方法二
sudo apt-get --purge remove nvidia*
sudo apt autoremove
卸載完成之后，記得重啟機器再安裝，然后再如下命令安裝
sudo ./NVIDIA-Linux-x86_64-510.47.03.run -no-x-check

重裝驅動后，輸入nvidia-smi后正確輸出。

4.2 換一張顯卡試試

因為4.1解決了所以就沒試

4.3 把該顯卡放到同型號的其它機器試驗性能

因為4.1解決了所以就沒試

5 結論

? 硬件的問題，我們裝在室外的設備，現在還是夏天，把設備拆開后，發現顯卡電源適配線和風扇太近了，影響風扇轉動，同時風扇的轉動也會造成電源適配線的接觸不良。這些原因①溫度太高硬件短期故障造成驅動異常；②風扇導致電源適配線接觸不良造成顯卡掉電。