Linux系统无法载入nvidia-smi驱动

问题描述

系统重启后，nvidia-smi指令无法正常使用，发现是nvidia驱动的问题。多次尝试重装不同版本驱动，仍然没有用。

问题表现

1. 执行 nvidia-smi 显示： NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running；
2. 执行 sudo modprobe nvidia 显示： modprobe: ERROR: could not insert ‘nvidia_384’: Exec format error；
3. 执行 dmesg 显示： 很长的一段内容，末尾处是 nvidia: version magic '4.4.0-138-generic SMP mod_unload modversions ’ should be '4.4.0-138-generic SMP mod_unload modversions retpoline '之类的红色提示文字。

出错原因

当前使用的系统内核的BUG，需要对系统内核进行更新或降级。

解决方案

首先查看自己当前的Linux系统内核：

uname -r

结果会显示当前内核版本号。如果是116及以上的版本，可能需要对当前linux内核进行降级。具体操作步骤如下：

【第1步】搜索系统内核

sudo dpkg --get-selections | grep linux

【第2步】查看是否有低版本内核

如果有低版本内核，那么卸载高版本内核后会自动退回低版本内核；

如果没有低版本内核，那么卸载高版本内核后会回到BIOS界面！

如果没有低版本内核，那么可以安装一个112的

sudo apt-get install linux-image-4.4.0-112-generic

【第3步】卸载高版本内核

sudo apt-get remove linux-image-4.4.0-116-generic

【第4步】重启linux系统

sudo reboot

【第5步】安装和内核版本对应的headers

可不做，后面安装Nvidia依赖也会装一次。

sudo apt-get install linux-headers-$(uname -r)

然后再次uname -r查看内核版本，发现退回了112了。

上述步骤都操作完之后，先尝试一下nvidia-smi指令是否已经能够正常使用了，如果不行，按照正常步骤重装nvidia-smi驱动就可以了

其他方法

最近又遇到了上述问题，发现以上操作有点复杂，然后又找到了另一种方案：
【步骤1】执行命令：sudo apt-get install dkms

【步骤2】执行命令：sudo dkms install -m nvidia -v XXX.XX
其中，XXX.XX为NVIDIA的版本号，可进入/usr/src目录中，nvidia文件夹的后缀就是其版本号。

参考文献

1、《linux kernel bug 导致无法载入 nvidia 驱动》
2、《在ubuntu16.04上安装nvidia驱动》
3、《无法连接NVIDIA驱动：NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver》

其他博客

【深度学习论文翻译】Learning Spatiotemporal Features with 3D Convolutional Networks全文对照翻译
【深度学习论文翻译】Weakly Supervised Action Localization by Sparse Temporal Pooling Network全文翻译