【AI编程】英伟达A100显卡驱动升级踩坑指南

起因

寄存器报错， gpu推理加速调用失败，后端退化为cpu推理了。

措施

升级官网最新驱动，显卡型号： NVIDIA Tesla A100 80GB。

1. 打开官网，选择对应驱动型号，Linux 64-bit对应所有amd64/x64架构的linux服务器。

https://www.nvidia.cn/Download/index.aspx?lang=cn

2. 点击查看-下载

3. 下载并上传驱动

wget --referer=https://www.nvidia.cn/ https://cn.download.nvidia.com/tesla/595.71.05/NVIDIA-Linux-x86_64-595.71.05.run

wget不行的话，可以下载到本地，然后scp上传到服务器中，scp是一款远程复制工具，适用于从windows、linux、macos拷贝到远程服务器的场景。

scp {驱动名}.deb root@{服务器ip}:/opt/{对应路径}

对于centos，open欧拉等系统，可以还需要检查nouveau是否被禁用，然后升级系统内核，ubuntu24的话可以直接下一步了（坑在后续）

5. 开始安装

chmod +x NVIDIA-Linux-x86_64-595.71.05.runsh NVIDIA-Linux-x86_64-595.71.05.run

凭感觉一路continue吧，等待进度条100%

6. 升级后系统起不来了，ssh链接失败 GG。

7. vnc链接后，ssh又可以登录了

8. 以后ubuntu请一行更新驱动：ubuntu-drivers autoinstall

总结

如果是云服务器，在执行nvidia驱动更改时，记得先对系统盘做一个快照，如果升级后启动不了，则恢复快照，保证系统和相关软件能快速恢复。

PS：涉及ubuntu系统的内核升级操作，以后再也不碰了，没有centos系稳定。