博客

项目场景：

在带有GPU的linux上执行 “nvidia-smi”,提示Failed to initialize NVML: Driver/library version mismatch。 因为这个原因，导致我们无法使用GPU，从而无法进行深度学习等相关的任务。 另外，因为是实验室的服务器，虽然网上好多人都说，重启 `reboot`指令可以解决问题，但是因为服务器是实验室的，我们不能进行重启。 所以我找到了一种不重启，解决这个问题的方法。

问题描述：

系统： Ubuntu18.04

问题： 执行

nvidia-smi

指令提示：“Failed to initialize NVML: Driver/library version mismatch”，即显卡的驱动和内核版本不匹配

导致问题的原因：我之前没有进行任何和驱动有关的操作，所以导致该问题的原因应该是系统自动更新驱动，导致了版本不匹配的问题，非人为因素。

接下来我们看下具体版本冲突情况：

1. 查看驱动的版本：
   
   
dpkg -l | grep nvidia


我们看到驱动的版本是495.29.95

2. 查看内核的版本



我们看到内核的版本是495.29.44(虽然图上的是44.29.05，但是我之前有问题的时候显示的内核版本号为495.29.44)

原因分析：

由上面的分析，我们知道导致问题的原因是：

Ubuntu显卡驱动自动更新，导致更新后的驱动程序和系统正在使用的内核程序版本不一致了。所以解决问题的思路就是让其版本一致即可。一种方法是重新启动服务器，这样内核会重新加载对应升级后的驱动版本作为内核版本，本文章介绍不用重启的方法。

解决方案：

总体的思路分为两步：

1. 退出当前内核使用的显卡模块
2. 重新加载升级后版本的显卡驱动作为我们的内核模块

指令

sudo rmmod nvidia
sudo nvidia-smi   #nvidia-smi发现没有kernel mod的时候，会自动装载

如果用户正在使用到nvidia的内核，则执行

sudo rmmod nvidia

指令的时候，会提示如下错误

$ sudo rmmod nvidia
rmmod: ERROR: Module nvidia is in use by: nvidia_modeset nvidia_uvm

查看nvidia模块使用情况

$lsmod | grep nvidia
nvidia_uvm            647168  0
nvidia_drm             53248  0
nvidia_modeset        790528  1 nvidia_drm
nvidia              12144640  152 nvidia_modeset,nvidia_uvm            12144640  152 nvidia_modeset,nvidia_uvm

这就需要我们来手动地关闭

nvidia_modset

和

nvidia_uvm

服务。

查看所有的nvidia相关的进程

sudo lsof -n -w  /dev/nvidia*

然后，我们通过kill -9 PID 终止掉和nvidia_uvm,nvidia_modeset有关的进程。然后再重新执行如下的指令

sudo rmmod nvidia
sudo nvidia-smi   #nvidia-smi发现没有kernel mod的时候，会自动装载

最后，正常情况下问题就解决了。

如果还没有解决，通过如下指令终止nvidia的相关服务

sudo rmmod nvidia_uvm
sudo rmmod nvidia_drm
sudo rmmod nvidia_modeset
sudo rmmod nvidia

再执行

sudo rmmod nvidia
sudo nvidia-smi   #nvidia-smi发现没有kernel mod的时候，会自动装载