Ubuntu如何正确使用独立显卡？

Question

**问题：Ubuntu系统下如何正确配置并使用独立显卡？** 在Ubuntu系统中，正确识别和使用独立显卡（如NVIDIA或AMD）是提升图形性能和运行GPU密集型应用（如深度学习、游戏、渲染等）的关键。常见的问题包括系统未能正确识别独立显卡、无法切换显卡、驱动安装失败或使用核显而非独显运行程序等。用户通常需要通过安装专有驱动、使用`nvidia-prime`或`amdgpu`工具切换显卡，并配置环境变量确保应用程序调用正确的GPU。此外，还需处理与内核版本兼容性、Secure Boot设置以及Xorg配置相关的问题。

Answer 1

Ubuntu系统下如何正确配置并使用独立显卡？

在Ubuntu系统中，正确识别和使用独立显卡（如NVIDIA或AMD）是提升图形性能和运行GPU密集型应用（如深度学习、游戏、渲染等）的关键。本文将从基础识别到高级配置，逐步深入讲解整个过程。

1. 确认硬件与系统环境

首先需要确认你的系统是否已正确识别到独立显卡：

lspci | grep VGA

输出示例：

00:02.0 VGA compatible controller: Intel Corporation UHD Graphics 630 (rev 02)
01:00.0 VGA compatible controller: NVIDIA Corporation GP107 [GeForce GTX 1050 Ti] (rev a1)

若看到类似NVIDIA或AMD的显卡型号，则说明硬件已被系统识别。

2. 安装专有驱动程序

Ubuntu提供多种方式安装显卡驱动，推荐使用Additional Drivers工具或命令行方式。

• GUI方式：打开“Software & Updates” → “Additional Drivers”标签页，选择合适的NVIDIA/AMD驱动版本，点击Apply Changes。
• 命令行方式（以NVIDIA为例）：

sudo apt update
sudo ubuntu-drivers autoinstall

该命令会自动安装最适合你显卡的驱动。

3. 切换显卡（适用于双显卡笔记本）

对于NVIDIA显卡，可使用nvidia-prime进行切换；AMD则依赖于内核模块管理。

NVIDIA切换方式：

sudo prime-select nvidia   # 切换为独显
sudo prime-select intel     # 切换回核显

查看当前状态：

prime-select query

4. 验证驱动安装与GPU使用情况

安装完成后，使用以下命令验证驱动是否正常加载：

nvidia-smi

若出现显卡信息和温度等数据，说明驱动安装成功。

5. 配置Xorg文件（可选）

某些情况下可能需要手动配置Xorg服务器以确保显卡正确启用。

生成默认配置：

sudo nvidia-xconfig

修改/etc/X11/xorg.conf文件，添加相关选项以优化性能或解决兼容性问题。

6. 环境变量设置（用于指定GPU执行）

部分应用程序需要通过环境变量指定使用哪个GPU：

__GLX_VENDOR_LIBRARY_NAME=nvidia __EGL_VENDOR_LIBRARY_NAME=nvidia glxinfo | grep "OpenGL renderer"

此命令强制使用NVIDIA GPU运行glxinfo。

7. 处理Secure Boot与内核模块签名问题

若启用了Secure Boot，可能导致驱动无法加载。此时需禁用Secure Boot或手动签署内核模块。

禁用步骤（不同主板操作不同）：

1. 重启进入BIOS设置
2. 找到Security或Boot选项卡
3. 将Secure Boot设置为Disabled
4. 保存并退出

8. 常见问题排查流程图

以下是一个常见问题排查的Mermaid流程图：

graph TD
A[无法识别显卡] --> B{检查 lspci 输出}
B -- 未识别 --> C[更换PCIe插槽或检查硬件]
B -- 已识别 --> D[安装专有驱动]
D --> E{驱动是否安装成功?}
E -- 否 --> F[尝试其他驱动版本或源码编译]
E -- 是 --> G[运行 nvidia-smi 检查]
G --> H{显示GPU信息?}
H -- 否 --> I[检查Secure Boot或内核模块]
H -- 是 --> J[配置Xorg或环境变量]
J --> K[完成]

9. 性能调优与多GPU支持

对于深度学习或高性能计算场景，建议安装CUDA Toolkit，并使用CUDA_VISIBLE_DEVICES控制GPU使用：

CUDA_VISIBLE_DEVICES=0 python train.py

此命令仅使用第一块GPU。

10. 总结与进阶方向

本文介绍了Ubuntu下独立显卡的基本配置流程，包括驱动安装、显卡切换、Xorg配置、环境变量设置以及常见问题排查方法。下一步可以探索如下方向：

• 多GPU分布式训练配置
• 基于容器（如Docker）的GPU加速部署
• OpenCL开发与AMD显卡深度优化
• Linux内核模块调试与定制化驱动构建