如何修復 HiveOS 中的“未檢測到 GPU 驅動程序”錯誤？

HiveOS 中 GPU 驅動程序檢測故障排除

1. HiveOS 依賴正確加載的內核模塊來識別和管理 GPU。如果系統無法檢測到 GPU 驅動程序，通常表示安裝的驅動程序版本與正在運行的內核不匹配，或者啟動過程中的初始化順序不完整。

2. 該錯誤通常出現在更新內核後，而沒有重新編譯相應的驅動程序。 HiveOS 使用 DKMS（動態內核模塊支持）針對新內核重建專有驅動程序，例如 AMDGPU-PRO 或 NVIDIA 的 nvidia-uvm。如果此過程失敗，GPU 模塊將被卸載。

3. 用戶可能會發現 NVIDIA 卡的/proc/driver/nvidia下缺少條目，或者 AMD GPU 的/sys/class/drm設備缺失。這些路徑可直接指示內核是否已成功將 GPU 硬件綁定到其驅動程序堆棧。

4. HiveOS 儀表板顯示“無 GPU”或“0 個設備”以及“未檢測到 GPU 驅動程序”消息。這並不總是硬件故障——大多數情況可以追溯到軟件級錯誤配置，而不是物理 GPU 故障。

5. 通過 SSH 手動檢查顯示nvidia-smi或rocm-smi等命令的空輸出。運行lsmod | grep -i nvidia或lsmod | grep -i amdgpu未返回任何結果，確認不存在活動驅動程序模塊。

驗證內核和驅動程序兼容性

1. HiveOS 版本附帶特定的內核驅動程序配對。例如，HiveOS 0.6-225 針對 Linux 內核 5.15.x，並期望 NVIDIA 驅動程序版本 525.85.07 或與 ROCm 5.4.1 兼容的 AMDGPU 固件。

2. 執行uname -r顯示當前內核版本。將此與 HiveOS 發行說明交叉引用可確認已安裝的驅動程序包是否支持該內核版本。

3. 命令dkms status列出所有已註冊的 DKMS 模塊及其構建狀態。顯示“已構建”但“未安裝”的狀態表示模塊編譯成功但未能加載到內核中。

4. 檢查/var/lib/dkms/nvidia/525.85.07/build/make.log （路徑因驅動程序版本而異）會暴露編譯錯誤，例如缺少標頭、不兼容的 GCC 版本或無法解析的符號引用。

5. 如果 DKMS 掛鉤被禁用或損壞，HiveOS 自動更新可能會靜默安裝較新的內核，而不會觸發驅動程序重建。這會導致持續的驅動程序檢測失敗，直到發生手動干預為止。

手動重新安裝 GPU 驅動程序

1. 訪問 HiveOS Web 界面，導航至Settings → Advanced → Console ，然後啟動終端。或者，使用默認憑據通過 SSH 連接。

2. 根據 GPU 供應商運行sudo hive-replace-driver --nvidia或sudo hive-replace-driver --amd 。這將觸發使用 HiveOS 精選的驅動程序二進製文件的完全重新安裝。

3. 執行後，監視輸出中是否有“DKMS 模塊已添加”、“initramfs 已更新”和“需要重新啟動”等消息。跳過重新啟動可防止在下次啟動時加載新模塊。

4. 有些用戶僅在先清除過時的 DKMS 條目後才報告成功： sudo dkms remove nvidia/525.85.07 --all ，然後是sudo dkms autoinstall 。

5. 如果問題仍然存在，請使用sudo hive-update --force強制重新安裝，以提取新的操作系統組件，包括固件 blob 和內核模塊，通常可以解決根深蒂固的依賴關係衝突。

硬件和固件注意事項

1. PCIe 鏈路訓練失敗會完全阻止 GPU 枚舉。檢查dmesg | grep -i 'pcie|error'用於指示 ASPM（活動狀態電源管理）不兼容或插槽供電不足的消息。

2. 較舊的 AMD Polaris 或 NVIDIA Pascal 卡需要舊版固件包。 HiveOS 可能會在默認安裝中忽略這些，除非在安裝過程中通過hive-config標誌明確啟用。

3. UEFI 安全啟動會干擾未簽名的 DKMS 模塊。在 BIOS 中禁用安全啟動可解決某些華碩和華擎挖礦主板上的檢測問題。

4. 必須正確配置 CSM（兼容性支持模塊）、Above 4G Decoding 和 Ressized BAR 等 BIOS 設置。此處未對齊會導致dmesg日誌中顯示 GPU 內存映射失敗。

5. 物理檢查發現 PSU 上的 PCIe 引腳彎曲、觸點氧化或 12V 電源軌容量不足。即使 GPU 打開電源，邊際電壓穩定性也會阻止正確的驅動程序握手序列。

常見問題解答

問：我可以使用自定義 NVIDIA 驅動程序來代替 HiveOS 提供的驅動程序嗎？是的，但前提是針對確切的內核版本進行編譯。 HiveOS 默認情況下禁用第三方驅動程序安裝，以保持更新的穩定性。

問：為什麼nvidia-smi顯示“NVIDIA-SMI 失敗，因為無法與 NVIDIA 驅動程序通信”？當 nvidia-drm 和 nvidia-uvm 模塊無法加載時會發生這種情況，通常是由於版本偏差或衝突的 nouveau 驅動程序仍然駐留在內存中。

問：HiveOS 是否支持 A100 或 H100 等 NVIDIA 數據中心 GPU？ HiveOS 從 0.6-231 版本開始正式支持具有 ROCm 兼容驅動程序的 A100。 H100 需要尚未集成到穩定版本中的特定固件補丁。

問：礦機日誌中“初始化NVML失敗”是什麼意思？ NVML（NVIDIA 管理庫）依賴於成功的 nvidia.ko 模塊加載。此錯誤確認驅動程序堆棧未到達初始化階段，指向內核模塊或權限問題。