nvidia-smi坏卡

### 解决 nvidia-smi 显示坏卡问题

当遇到 `nvidia-smi` 只能检测到部分显卡的情况时，可能的原因包括硬件连接问题、BIOS 设置不当、驱动版本兼容性以及内核模块加载失败等问题。

#### 检查硬件连接
确认所有 GPU 的 PCIe 插槽均牢固插入主板，并且电源线已正确接通。松动的插头可能导致设备无法正常识别[^1]。

#### 更新 BIOS 和固件
有时老旧的 BIOS 或者不匹配的固件也会造成此类现象。访问制造商官网下载最新的 BIOS 版本并按照指导完成更新操作；同时也要留意是否有针对特定型号发布的微码补丁可用[^3]。

#### 验证驱动安装状态
即使重新安装了 NVIDIA 驱动程序也可能存在残留配置干扰新版本工作。建议先彻底卸载现有驱动（可通过官方提供的清理工具），再依据 Ubuntu 官方文档推荐的方法进行全新部署：

sudo apt-get purge '^nvidia-'
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
sudo ubuntu-driver autoinstall
reboot

上述命令会移除旧版组件并通过 PPA 获取最新稳定版驱动支持。

#### 排查内核模块冲突
如果仍然存在问题，则可能是由于某些第三方模块阻止了 Nvidia 内核扩展的成功加载。可以尝试启动进入恢复模式下的根 shell ，停用 Secure Boot 功能后再测试是否恢复正常显示数量:

mokutil --disable-validation
reboot

对于多张显卡场景下偶尔发生的个别成员未能注册情况，还可以借助 `modprobe` 手工指定加载次序来规避潜在竞争条件影响:

echo "options nvidia NVreg_DeviceFileUID=0 NVreg_DeviceFileGID=44 NVreg_DeviceFileMode=0660" | sudo tee /etc/modprobe.d/nvidia.conf
update-initramfs -u
reboot

以上措施有助于改善因初始化顺序引发的选择性失联状况[^4]。