問題描述

GPU彈性云主機中，執行nvidia-smi命令查看GPU設備狀態或使用情況時，報錯無法執行指定的程序。具體顯示如下：

可能原因

GPU彈性云主機的GPU驅動狀態異常。

問題排查

不同的操作系統執行的命令有所不同，以CentOS系統為例，查看安裝驅動時的內核版本：

find /usr/lib/modules -name nvidia.ko

執行uname -r查看當前內核版本：

如果安裝驅動的內核版本跟當前內核版本不一致，則是導致此問題的原因。

處理方法

方法一：重啟系統，選擇安裝GPU驅動時的內核版本啟動系統。

方法二：在現有內核版本的基礎上，重新安裝驅動。

(1) 執行 nvidia-uninstall命令，卸載驅動。或者執行sh NVIDIA-Linux-x86_64-******.run --uninstall，卸載驅動。

(2) 重新安裝GPU驅動。操作指導請參考：安裝GPU驅動。