1. 问题现象与初步排查
当你在Linux系统上运行nvidia-smi命令时，如果看到"No devices were found"的提示，这意味着系统无法识别到任何NVIDIA显卡设备。作为一名长期与显卡打交道的开发者，我遇到过太多次这种情况。这个错误可能由多种原因导致，我们需要系统地排查。
首先确认你的机器确实配备了NVIDIA显卡。可以通过以下命令检查PCI设备：
bash复制lspci | grep -i nvidia
如果没有任何输出，可能是硬件连接问题。但更常见的情况是能看到类似"3D controller: NVIDIA Corporation GP106 [GeForce GTX 1060 6GB]"的输出，这说明系统能检测到硬件但无法正确驱动。
2. 驱动安装问题深度解析
2.1 驱动未安装或安装失败
这是最常见的原因之一。检查驱动是否安装：
bash复制lsmod | grep nvidia
如果没有输出，说明驱动模块未加载。此时需要确认驱动是否正确安装：
- 查看已安装的驱动版本：
bash复制dpkg -l | grep nvidia
- 如果没有安装，建议从官方获取最新驱动：
bash复制sudo apt install nvidia-driver-535
注意：驱动版本号应根据你的显卡型号和系统版本选择，较新的显卡需要较新的驱动
2.2 驱动版本不匹配
显卡型号与驱动版本不兼容会导致设备无法识别。特别是对于较新的RTX 40系列显卡，需要较新的驱动版本。建议：
- 查看显卡型号：
bash复制lspci -vnn | grep VGA
- 访问NVIDIA官网确认该型号支持的最低驱动版本
- 卸载旧驱动后安装正确版本：
bash复制sudo apt purge nvidia*
sudo apt install nvidia-driver-535
3. 内核模块加载问题
3.1 内核模块未正确加载
即使驱动已安装，内核模块可能未正确加载。手动加载测试：
bash复制sudo modprobe nvidia
如果报错，可能是：
- 内核头文件不匹配
- Secure Boot启用导致模块未签名
- 驱动安装不完整
3.2 Secure Boot问题
现代Linux系统默认启用Secure Boot，会阻止未签名的内核模块加载。解决方案：
- 检查Secure Boot状态：
bash复制mokutil --sb-state
- 如果启用，可以：
- 禁用Secure Boot（BIOS设置）
- 为NVIDIA模块签名
- 安装已签名的驱动版本
4. 显卡硬件状态检查
4.1 显卡电源管理
某些情况下，显卡可能处于低功耗状态未被唤醒。尝试：
bash复制sudo tee /proc/acpi/bbswitch <<< ON
对于笔记本，可能需要：
bash复制sudo prime-select nvidia
4.2 PCIe连接问题
显卡与主板连接不良也会导致此问题。检查：
bash复制lspci -vv | grep -A10 NVIDIA
关注"LnkSta"字段，确认PCIe链路正常。
5. 系统级配置问题
5.1 Xorg配置冲突
如果系统同时运行Xorg和NVIDIA驱动，可能会有冲突。检查：
bash复制ps aux | grep Xorg
如果Xorg正在使用nvidia驱动，尝试：
bash复制sudo systemctl stop display-manager
然后再次运行nvidia-smi。
5.2 虚拟化环境问题
在虚拟机或云环境中，需要确认：
- PCI直通是否配置正确
- 虚拟化平台是否支持GPU透传
- 客户机驱动是否安装
6. 高级排查技巧
6.1 查看内核日志
bash复制dmesg | grep -i nvidia
关注以下关键信息：
- "NVRM: loading NVIDIA UNIX driver"
- "NVRM: failed to load"等错误
6.2 使用nvidia-bug-report
NVIDIA提供了诊断工具：
bash复制nvidia-bug-report.sh
生成的日志文件包含详细系统信息，有助于定位问题。
7. 特定场景解决方案
7.1 笔记本双显卡问题
对于Optimus技术的笔记本：
- 确认已安装primus或bumblebee
- 检查电源管理模式：
bash复制cat /sys/module/nvidia/parameters/modeset
- 可能需要配置xorg.conf
7.2 Docker容器内的问题
在容器中使用GPU需要：
- 安装nvidia-container-toolkit
- 运行时添加--gpus参数
- 确认容器内有对应驱动文件
8. 系统升级后的恢复
内核升级后常见问题：
- 驱动模块与新内核不兼容
- DKMS未正确重建模块
解决方案：
bash复制sudo apt install --reinstall linux-headers-$(uname -r)
sudo dkms install -m nvidia -v $(modinfo -F version nvidia)
9. 常见错误与解决方案
| 错误现象 | 可能原因 | 解决方案 |
|---|---|---|
| NVIDIA-SMI has failed | 驱动未加载 | modprobe nvidia |
| No CUDA-capable device | CUDA版本不匹配 | 安装匹配的CUDA工具包 |
| GPU is lost | 硬件故障 | 检查电源和散热 |
| Insufficient permissions | 权限问题 | 将用户加入video组 |
10. 终极解决方案
如果以上方法都无效，建议：
- 完全卸载所有NVIDIA相关包：
bash复制sudo apt purge *nvidia*
sudo apt autoremove
- 删除残留配置：
bash复制sudo rm -rf /etc/X11/xorg.conf
- 重新安装驱动：
bash复制sudo ubuntu-drivers autoinstall
我在实际工作中发现，90%的"No devices were found"问题都可以通过彻底清理后重新安装驱动解决。特别是在升级内核或系统版本后，这个方法最为可靠。