Ubuntu服务器GPU状态全面查看指南

当你第一次接触Ubuntu服务器的GPU管理时，是不是感觉有点无从下手？别担心，这很正常。无论是搭建AI训练环境还是进行图形渲染，了解GPU的工作状态都是必不可少的第一步。今天我就来手把手教你如何在Ubuntu服务器上全面掌握GPU的各种信息。

为什么要学会查看GPU状态

想象一下，你的服务器上明明安装了昂贵的显卡，但在运行深度学习任务时却表现不佳。这时候，学会查看GPU状态就显得尤为重要了。通过正确的命令，你可以快速诊断出是驱动问题、硬件故障还是简单的配置错误。

对于系统管理员来说，定期检查GPU状态可以帮助你：

• 及时发现硬件故障，避免影响重要任务
• 优化资源分配，提高GPU利用率
• 快速定位性能瓶颈，提升整体工作效率

基础硬件信息查看

让我们从最基础的开始。要查看服务器上安装了哪些GPU，最简单的方法就是使用lspci命令：

lspci | grep -i nvidia

这个命令会列出所有NVIDIA显卡的设备信息。如果你使用的是AMD显卡，可以把nvidia换成amd。通过这个命令，你可以看到显卡的型号、PCIe插槽位置等关键信息。

有时候系统可能没有安装pciutils工具包，这时候你需要先执行：

sudo apt install pciutils

NVIDIA显卡专用检查工具

对于NVIDIA显卡，最常用的工具当然是nvidia-smi了。这个命令提供了极其丰富的GPU状态信息，包括：

• GPU利用率——看看你的显卡是不是在偷懒
• 显存使用情况——避免因为显存不足导致程序崩溃
• 温度监控——防止显卡过热降频
• 运行进程——了解哪些程序在使用GPU资源

如果你在执行nvidia-smi时遇到“command not found”错误，那很可能是因为还没有安装NVIDIA驱动。

驱动安装与问题排查

驱动问题是最让人头疼的。有时候明明安装了驱动，但GPU就是无法正常工作。这时候你需要检查几个关键点：

确认驱动是否正确加载：

lsmod | grep nvidia

如果这里没有输出，说明驱动根本没有加载成功。常见的原因包括Secure Boot阻止了未签名驱动的加载。解决方法有两种：要么在BIOS设置中临时禁用Secure Boot，要么手动为NVIDIA驱动签名。

检查是否有冲突的开源驱动。Ubuntu系统默认会使用开源的nouveau驱动，这可能与官方的NVIDIA驱动产生冲突。你需要将nouveau驱动加入黑名单：

sudo vi /etc/modprobe.d/blacklist.conf

然后在文件中加入：

blacklist nouveau
blacklist vga16fb
blacklist rivafb

CUDA环境配置检查

对于深度学习开发者来说，CUDA环境的正确配置至关重要。你可以通过以下命令检查CUDA版本：

nvcc -V

或者查看更详细的信息：

cat /usr/local/cuda/version.json

有时候系统里可能安装了多个CUDA版本，这时候你需要确认环境变量是否正确指向了你想要使用的版本。

实用监控脚本编写

手动输入命令虽然直观，但不够高效。你可以编写简单的监控脚本来实现自动化监控。下面是一个基础的监控脚本示例：

#!/bin/bash
echo “=== GPU状态监控 ===
nvidia-smi –query-gpu=index,name,temperature.gpu,utilization.gpu,memory.total,memory.used –format=csv

你可以设置定时任务，让这个脚本定期运行，并把结果保存到日志文件中，方便后续分析。

常见问题与解决方案

在实际使用中，你可能会遇到各种奇怪的问题。这里我整理了几个最常见的场景和解决方法：

记住，排查GPU问题时要有耐心，按照从硬件到软件、从简单到复杂的顺序一步步来。先确认物理连接没问题，再检查驱动安装，最后排查应用程序配置。

通过今天的学习，相信你已经掌握了在Ubuntu服务器上查看GPU状态的完整方法。从基础硬件信息到详细性能监控，从驱动安装到问题排查，这套完整的技能树将帮助你在GPU管理的道路上走得更远。