NVIDIA-INSTALLER 使用与技术文档
本文档旨在为用户提供关于如何安装和使用NVIDIA-INSTALLER的详细指南,同时介绍其API使用和安装方式。
1. 安装指南
在开始安装NVIDIA-INSTALLER之前,请确保已安装以下构建依赖项的开发包:
- ncurses
- pciutils
安装这些依赖项后,您可以开始构建nvidia-installer。
2. 项目使用说明
NVIDIA-INSTALLER的使用说明可以在NVIDIA驱动程序README的第4章“安装NVIDIA驱动程序”中找到。此文档通常可以从NVIDIA Linux驱动程序下载页面获取,并安装在/usr/share/doc/NVIDIA_GLX-1.0/目录下。
3. 项目API使用文档
目前没有关于nvidia-installer实现的正式文档,但源代码注释相对完善。开发者可以通过阅读源代码来了解API的使用和实现细节。
4. 项目安装方式
以下是构建预编译内核接口包的步骤:
- 运行以下命令解压NVIDIA驱动程序包:
sh NVIDIA-Linux-x86-XXX.YY.run --extract-only - 进入解压后的目录:
cd NVIDIA-Linux-x86-XXX.YY/kernel/ - 获取需要构建的模块列表:
modules=`head -n 4 ../.manifest | tail -n 1` - 根据模块列表生成内核接口文件:
interface_files=`for module in $modules; do echo $module | grep -v nvidia-uvm | sed -e 's/nvidia/nv/' -e 's/$/-linux.o/' done` - 构建内核接口文件:
make $interface_files - 为每个接口文件生成预编译内核接口包:
for interface in $interface_files; do nv_stem=`echo $interface | sed 's/-linux.o$//'` module_name=`echo $nv_stem | sed 's/nv/nvidia/'` ../mkprecompiled --pack precompiled-mykernel \ --driver-version XXX.YY \ --proc-version-string "`cat /proc/version`" \ --description "这是一个不感兴趣的描述" \ --kernel-interface $interface \ --linked-module-name $module_name.ko \ --core-object-name $module_name/$nv_stem-kernel.o_binary \ --target-directory . done - 如果存在nvidia-uvm.ko模块,同样为其生成预编译包:
if [ -f nvidia-uvm.ko ]; then ../mkprecompiled --pack precompiled-mykernel \ --kernel-module nvidia-uvm.ko \ --target-directory . fi - 创建目录并将生成的预编译包移动到该目录下:
mkdir -p precompiled mv precompiled-mykernel precompiled
请将"XXX.YY"替换为驱动程序版本号。
若要为其他内核版本构建预编译内核接口,请在make命令行中设置SYSSRC=/path/to/kernel-source。如果您的内核源代码使用单独的输出目录,请额外设置SYSOUT=/path/to/kernel-output。此外,您还需要从内核镜像中提取正确的版本字符串,以便传递给mkprecompiled命令。
使用预编译内核接口的用户可以按照以下步骤操作:
- 解压NVIDIA驱动程序包:
sh NVIDIA-Linux-x86-XXX.YY.run --extract-only - 创建预编译内核接口目录:
mkdir -p NVIDIA-Linux-x86-XXX.YY/kernel/precompiled - 将预编译内核接口包复制到该目录:
cp precompiled-mykernel NVIDIA-Linux-x86-XXX.YY/kernel/precompiled - 运行NVIDIA安装程序:
./NVIDIA-Linux-x86-XXX.YY/nvidia-installer
请注意,搜索预编译内核接口的路径已更新,现在的搜索顺序为:
-
如果指定了
--precompiled-kernel-interfaces-path选项,则搜索该目录;如果未找到匹配项,则 -
搜索
/lib/modules/precompiled/目录下的uname -r/nvidia/gfx/子目录;如果未找到匹配项,则 -
搜索
.run文件中usr/src/nv/precompiled目录;如果未找到匹配项,则 -
放弃并自行构建内核模块。
未来计划包括添加新的用户界面、增加额外的测试、清理内存泄漏、改进错误消息以及国际化支持。欢迎提交补丁,可通过linux-bugs@nvidia.com提交。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~059
CommonUtilLibrary快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04
GitCode百大开源项目GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
openHiTLS旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-CoderYi Coder 编程模型,小而强大的编程助手HTML013