HiveOS で「GPU ドライバーが検出されません」エラーを修正するにはどうすればよいですか?

HiveOS での GPU ドライバー検出のトラブルシューティング

1. HiveOS は、適切にロードされたカーネル モジュールに依存して GPU を認識および管理します。システムが GPU ドライバーの検出に失敗した場合は、通常、インストールされているドライバーのバージョンと実行中のカーネルの間の不一致、または起動時の初期化シーケンスの不完全を示しています。

2. このエラーは通常、対応するドライバーの再コンパイルを行わずにカーネルを更新した後に発生します。 HiveOS は DKMS (Dynamic Kernel Module Support) を使用して、AMDGPU-PRO や NVIDIA の nvidia-uvm などの独自ドライバーを新しいカーネルに対して再構築します。このプロセスで障害が発生すると、GPU モジュールがアンロードされたままになります。

3. ユーザーは、NVIDIA カードの場合は/proc/driver/nvidiaの下にエントリが欠落しているか、AMD GPU の場合は/sys/class/drmデバイスが欠落していることに気づく場合があります。これらのパスは、カーネルが GPU ハードウェアをドライバー スタックに正常にバインドしたかどうかを直接示す指標として機能します。

4. HiveOS ダッシュボードには、「GPU ドライバーが検出されません」というメッセージの横に「GPU がありません」または「0 デバイス」と表示されます。これは必ずしもハードウェア障害であるとは限りません。ほとんどの場合、物理的な GPU の障害ではなく、ソフトウェア レベルの構成ミスが原因です。

5. SSH 経由で手動で検査すると、 nvidia-smiやrocm-smiなどのコマンドからの空の出力が明らかになります。 lsmod を実行中 | grep -i nvidiaまたはlsmod | grep -i amdgpuは結果を返さず、アクティブなドライバー モジュールが存在しないことが確認されます。

カーネルとドライバーの互換性の確認

1. HiveOS バージョンには、特定のカーネルとドライバーの組み合わせが付属しています。たとえば、HiveOS 0.6-225 は Linux カーネル 5.15.x をターゲットにしており、NVIDIA ドライバー バージョン 525.85.07 または ROCm 5.4.1 と互換性のある AMDGPU ファームウェアを想定しています。

2. uname -rを実行すると、現在のカーネルのバージョンが表示されます。これを HiveOS リリース ノートと相互参照すると、インストールされているドライバー パッケージがそのカーネル リビジョンをサポートしているかどうかが確認されます。

3. コマンドdkms status は、登録されているすべての DKMS モジュールとそのビルド ステータスを一覧表示します。 「ビルド済み」だが「インストールされていない」という状態は、モジュールは正常にコンパイルされたものの、カーネルへのロードに失敗したことを意味します。

4. /var/lib/dkms/nvidia/525.85.07/build/make.log (パスはドライバーのバージョンによって異なります) をチェックすると、ヘッダーの欠落、互換性のない GCC バージョン、未解決のシンボル参照などのコンパイル エラーが明らかになります。

5. DKMS フックが無効になっているか破損している場合、HiveOS 自動更新はドライバーの再構築をトリガーせずに新しいカーネルをサイレントにインストールすることがあります。これにより、手動による介入が行われるまでドライバー検出が失敗し続けることになります。

GPU ドライバーを手動で再インストールする

1. HiveOS Web インターフェイスにアクセスし、 [設定] → [詳細設定] → [コンソール]に移動し、ターミナルを起動します。あるいは、デフォルトの認証情報を使用して SSH 経由で接続します。

2. GPU ベンダーに応じて、 sudo hive-replace-driver --nvidiaまたはsudo hive-replace-driver --amdを実行します。これにより、HiveOS の厳選されたドライバー バイナリを使用した完全な再インストールがトリガーされます。

3. 実行後、「DKMS モジュールが追加されました」、「initramfs が更新されました」、「再起動が必要です」などのメッセージの出力を監視します。再起動をスキップすると、次回の起動時に新しいモジュールが読み込まれなくなります。

4. 一部のユーザーは、最初に古い DKMS エントリをクリアした後にのみ成功を報告します: sudo dkms delete nvidia/525.85.07 --all 、続いてsudo dkms autoinstall 。

5. 問題が解決しない場合は、 sudo hive-update --forceを使用してクリーン再インストールを強制すると、ファームウェア BLOB やカーネル モジュールを含む新しい OS コンポーネントがプルされ、多くの場合、根深い依存関係の競合が解決されます。

ハードウェアとファームウェアの考慮事項

1. PCIe リンク トレーニングの失敗により、GPU の列挙が完全に妨げられる場合があります。 dmesg を確認してください | ASPM (アクティブ ステート パワー マネジメント) の非互換性またはスロットの電力供給が不十分であることを示すメッセージの場合は、 grep -i 'pcie|error' 。

2. 古い AMD Polaris または NVIDIA Pascal カードには、レガシー ファームウェア パッケージが必要です。セットアップ中にhive-configフラグを介して明示的に有効にしない限り、HiveOS はデフォルトのインストールからこれらを省略する場合があります。

3. UEFI セキュア ブートは、署名されていない DKMS モジュールに干渉します。 BIOS でセキュア ブートを無効にすると、特定の ASUS および ASRock マイニング マザーボードでの検出の問題が解決されます。

4. CSM (互換性サポート モジュール)、4G 以上のデコード、サイズ変更可能な BAR などの BIOS 設定が正しく構成されている必要があります。ここで位置がずれていると、 dmesgログに表示される GPU メモリ マッピングのエラーが発生します。

5. 物理検査により、PSU の曲がった PCIe ピン、酸化した接点、または不十分な 12V レール容量が明らかになります。 GPU の電源がオンになっても、電圧の安定性が限界に達しているため、適切なドライバー ハンドシェイク シーケンスが妨げられます。

よくある質問

Q: HiveOS が提供するドライバーの代わりにカスタム NVIDIA ドライバーを使用できますか?はい、ただし、正確なカーネル バージョンに対してコンパイルされた場合に限ります。 HiveOS は、更新後の安定性を維持するために、デフォルトでサードパーティ製ドライバーのインストールを無効にします。

Q: nvidia-smi で「NVIDIA ドライバーと通信できなかったため、NVIDIA-SMI が失敗しました」と表示されるのはなぜですか?これは、nvidia-drm および nvidia-uvm モジュールのロードに失敗した場合に発生します。通常、バージョンの偏りやメモリ内にまだ存在する nouveau ドライバの競合が原因です。

Q: HiveOS は、A100 や H100 などの NVIDIA データセンター GPU をサポートしていますか? HiveOS は、バージョン 0.6-231 以降の ROCm 互換ドライバーで A100 を正式にサポートします。 H100 には、安定版リリースにまだ統合されていない特定のファームウェア パッチが必要です。

Q: マイナー ログにある「NVML の初期化に失敗しました」とは何を意味しますか? NVML (NVIDIA Management Library) は、nvidia.ko モジュールの読み込みが成功するかどうかに依存します。このエラーは、ドライバー スタックが初期化段階に達していないことを示しており、カーネル モジュールまたは権限の問題を示しています。