帮你快速理解、总结文档立即下载
文档中心>TencentOS Server>TencentOS AI 应用实践方案>NVIDIA 部署实践

NVIDIA 部署实践

最近更新时间：2025-12-30 17:42:12
我的收藏

本页目录：

目前，TencentOS Server 4 已实现对 NVIDIA Driver 和 CUDA 的原生支持，为您使用 NVIDIA GPU 提供了完整的 RPM 二进制软件包，包括内核级驱动、系统管理工具、计算库及AI框架适配组件。
本文档将指导如何在 TencentOS Server 4 上快速完成 NVIDIA Driver 和 CUDA 的安装部署，并无缝运行上层 AI 模型与应用。

基础环境要求及说明

支持 TencentOS 内核版本：6.6内核（含其间各小版本）。如您使用的是TencentOS 2 或 3系列（5.4内核），建议您升级至 TencentOS 4版本（6.6 内核）。
支持的 GPU 驱动和对应 CUDA 版本 ：
驱动版本
对应CUDA版本
525.147.05
12.0.1
530.41.03
12.1.1
535.274.02
12.2.2
545.29.06
12.3.2
550.163.01
12.4.1
555.58.02
12.5.1
560.35.03
12.6.3
570.195.03
12.8.1
575.64.05
12.9.1
580.95.05
13.0.1
支持的 CUDA 版本：11.8.0、 12.0.1、 12.1.1、 12.2.2、 12.3.2、 12.4.1、 12.5.1、 12.6.3、 12.8.1、 12.9.1、 13.0.1。

安装 NVIDIA Driver

安装 TencentOS EPOL源

dnf install epol-release

安装 NVIDIA Driver 驱动包

此处以 Nvidia-Driver-570 为例，若需安装其他版本，请更新以下命令中软件包名的版本号，将570替换为目标版本号即可。
# 安装开源模块
dnf install -y kmod-nvidia-570-dkms-open nvidia-570 nvidia-driver-570-open
 
# 安装闭源模块
dnf install -y kmod-nvidia-570-dkms nvidia-570 nvidia-driver-570
说明：
NVIDIA Driver 分为开源和闭源版本，所以部署流程分为开源模块安装和闭源模块安装两部分。
闭源版本驱动由 NVIDIA 公司官方提供，内核模块来自 NVIDIA 官方 .run安装包中的闭源代码，通常拥有最新的功能和最优化的性能，包括对 NVIDIA 最新显卡架构的支持，以及对 DirectX、OpenGL 等图形接口的完整支持。缺点是它们不开放源代码，这可能会限制它们与 Linux 内核的兼容性，并且在社区支持方面不如开源驱动。
开源版本驱动（如 nouveau）是由社区维护的，内核模块来自 open-gpu-kernel-modules 仓库的开源代码，可以更好地与 Linux 内核集成。尽管它们可能在功能/性能上不如闭源驱动全面，但在某些方面，如内核兼容性，它们表现得更为出色。

安装验证

# 重启机器
sudo reboot
# 查看已安装的驱动软件包
dnf list installed | grep nvidia
# 查看驱动信息
nvidia-smi
注意：
实例重启会导致正在运行的应用和服务被强制终止，或文件和内存数据会丢失。请先在重启前做好数据保存等操作。

卸载驱动安装包（可选）

如需要切换驱动版本，请参见以下步骤卸载已安装的驱动安装包。
# 卸载开源模块
dnf remove -y kmod-nvidia-570-dkms-open nvidia-570 nvidia-driver-570-open
 
# 卸载闭源模块
dnf remove -y kmod-nvidia-570-dkms nvidia-570 nvidia-driver-570


安装 CUDA

针对使用场景的不同，TencentOS 团队采用了全新的打包方案。新方案通过将 CUDA 拆分为 runtime 和 devel 两类子包，实现了组件精细化分层管理，既满足了轻量级生产部署的需求，又支持了代码编译和模型训练的完整开发环境。
优化方向
传统方案
新方案
包结构
细分子包
拆分为 runtime /devel 两类子包
组件分层
静态库/工具与运行时捆绑
划分可执行文件、.so 动态库、头文件、.a 静态库
其中，runtime / devel，对应组件范围如下：
类型
组件范围
适用场景
Runtime
可执行文件、 .so 动态库
轻量级生产部署
Devel
runtime 、头文件、 .a 静态库
代码编译/模型训练

安装 CUDA 组件

此处以 cuda-12-8 为例，如需安装其他版本，请更新以下命令中软件包名的版本号，将12-8替换为目标版本号即可。
Runtime 包安装：
dnf install -y cuda-runtime-12-8
Devel 包安装：
dnf install -y cuda-devel-12-8

安装验证

# 查看已安装的 cuda 软件包
dnf list installed | grep cuda
# 查看 cuda 版本
nvcc --version

多版本共存支持（可选）

新版打包方案解决了 CUDA 多版本共存的问题，可下载多个版本的 CUDA，并利用 update-alternatives 进行版本切换。如需兼容 CUDA 多版本共存，请参见 安装 CUDA，依次安装所需版本。例如，当同时安装 CUDA 12.2 与 12.9 版本，可参见以下方式切换版本：


卸载 CUDA 组件（可选）

如需切换 CUDA 版本，请参见以下步骤卸载已安装的 CUDA 安装包。
Runtime 包：
dnf remove -y cuda-runtime-12-8 cuda-toolkit-12-8-config-common
Devel 包：
dnf remove -y cuda-runtime-12-8 cuda-toolkit-12-8-config-common cuda-12-8 cuda-devel-12-8 cuda-toolkit-12-8



AI 应用安装与验证

运行大模型（以 vLLM 框架和 Qwen 示例）

安装 uv

# 下载 uv 
dnf install pip
pip install uv
 
# 推荐使用 uv 安装，智能处理依赖冲突
uv pip install vllm==0.10.0 --system

服务启动

# 启动 vllm 服务，拉取大模型（此处以 Qwen 为例）
vllm serve "Qwen/Qwen3-0.6B" 
 
# 若机器配置较低，可尝试如下命令启动服务
vllm serve "Qwen/Qwen3-0.6B" --gpu-memory-utilization 0.7 --max-model-len 1024 --max-num-seqs 4 --dtype float16 --block-size 16

结果展示：

示例：命令行测试
# 另起终端
curl -X POST "http://localhost:8000/v1/chat/completions" -H "Content-Type: application/json" --data '{"model": "Qwen/Qwen3-0.6B","messages": [{"role": "user","content": "What is the capital of France?"}]}'
示例：Python 代码部署和推理
创建python程序，内容如下：
from vllm import LLM, SamplingParams
from transformers import AutoTokenizer
 
# 初始化模型参数
model_path = "Qwen/Qwen3-0.6B"  # 替换为实际模型路径
llm = LLM(
    model=model_path,
    dtype="half",  # 启用半精度推理（FP16）
    trust_remote_code=True,  # 对Hugging Face模型必须开启
    tensor_parallel_size=1,  # 单GPU运行
    gpu_memory_utilization=0.8  # 显存利用率控制
)
 
# 配置生成参数
sampling_params = SamplingParams(
    temperature=0.7,
    top_p=0.95,
    max_tokens=256,
    repetition_penalty=1.1
)
 
# 构建对话模板
messages = [
    {"role": "system", "content": "你是一个诗人"},
    {"role": "user", "content": "写一首关于春天的七言绝句"}
]
tokenizer = AutoTokenizer.from_pretrained(model_path)
prompt = tokenizer.apply_chat_template(
    conversation=messages,
    tokenize=False,
    add_generation_prompt=True
)
 
# 执行推理
outputs = llm.generate(
    prompts=[prompt],
    sampling_params=sampling_params
)
 
# 输出结果
for output in outputs:
    generated_text = output.outputs[0].text
    print(f"生成结果：\\n{generated_text}")

运行大模型（以 Ollama + Qwen 示例）

安装

# 安装依赖
dnf install -y gawk
# 下载安装脚本并安装
curl -fsSL https://ollama.com/install.sh | sh

服务启动

# 服务启动
ollama serve

运行 Qwen 模型

# 拉取大模型（此处以 Qwen 为例）
ollama run qwen3:0.6b

常见问题

nvidia-smi 显示的 CUDA Version 与实际 CUDA Toolkit 版本不一致

nvidia-smi 显示的 CUDA Version 与实际 CUDA Toolkit 版本不一致是正常现象，原因在于两者代表不同层面的版本信息。nvidia-smi 命令返回结果中，Driver Version 是当前安装的驱动版本，CUDA Version 代表驱动所支持的最高 CUDA Runtime API 版本，并非当前安装的 CUDA Toolkit 版本。如需查看 CUDA Toolkit 版本，请执行 nvcc --version 命令。

cuda-compat 问题（Driver 与 CUDA 版本兼容）

在 CUDA 生态中，不同 CUDA 版本均有与之最为适配的驱动程序版本。实际上，每个 CUDA 工具包都配套提供了 NVIDIA 显示驱动程序包，此驱动程序能够全面支持该版本 CUDA 工具包所引入的各项功能，是在该 CUDA 版本开发阶段就紧密匹配、功能兼容性最优的版本对应关系。
关于 CUDA 版本与驱动版本的对应关系，请参见 官方版本发布说明。但是，在实际应用场景里，如果需要突破这种既定对应关系，例如在旧版本的驱动上运行高版本的 CUDA，或者是在较新的驱动上运行旧版本的 CUDA，将不可避免地引发兼容性问题。

为满足高版本 CUDA 在老旧硬件设备上的运行需求，官方专门推出了 cuda-compat 包以实现兼容适配。其实际效果是，当使用该包时，高版本 CUDA 仅能调用当前驱动所支持的最高版本 CUDA 所具备的功能，而无法使用因 CUDA 升级而新增的功能，从功能体验层面来看，类似对 CUDA 版本进行“降级”处理。
具体结论如下：
驱动版本高于或等于 CUDA 版本，CUDA 不安装 cuda-compat，运行正常；安装 cuda-compat，可能发生异常。
驱动版本低于 CUDA 版本， CUDA 必须安装 cuda-compat。


低版本 CUDA 上运行 AI 框架（vLLM）时库文件缺失问题

vLLM 核心架构是自研高性能 C++/CUDA 内核，深度集成 PyTorch，编译时链接特定版本的 CUDA 运行时，与 PyTorch 的 CUDA 版本强相关。而高版本的 vLLM 都是根据较新的 PyTorch 来进行构建，因此在较低版本的系统 CUDA 环境中编译 vLLM 时会出现关键 symbol 缺失问题，具体报错信息可参考如下截图：

例如，在 CUDA 12.2 中编译 vLLM 时出现 CUPTI 相关 symbol 缺失问题，经分析发现，PyTorch/Triton 自带的 CUPTI 库包含所需符号，但 CUDA 12.2 包含的 CUPTI 库缺少所需符号：

切换到高版本的 CUDA 12.9 环境时，测试结果包含目标 symbol 且可以成功运行：


以上情况，您可通过设置环境变量，指定动态链接器搜索共享库（.so文件）的路径。当运行需要特定版本 CUDA 库的程序时，系统会优先在这个路径中查找库文件。具体命令如下：
export LD_LIBRARY_PATH=/usr/local/lib/python3.11/site-packages/nvidia/cuda_cupti/lib:$LD_LIBRARY_PATH

中国站