Ubuntu双显卡配置与测试全攻略：从安装到性能调优

引言：双显卡在Ubuntu中的价值与挑战

在Linux生态中，Ubuntu因其稳定性与社区支持成为开发者与高性能计算用户的首选。然而，双显卡（如NVIDIA+Intel或AMD+AMD）或多显卡（如多块NVIDIA显卡用于计算）的配置常面临驱动冲突、性能优化困难等问题。本文将系统梳理Ubuntu下双显卡的配置流程、驱动管理、切换方法及性能测试方案，帮助用户高效利用硬件资源。

一、双显卡配置前的准备：硬件与系统检查

1.1 硬件兼容性确认

• 显卡型号匹配：确保主板支持多显卡（如PCIe插槽数量与带宽足够），避免因硬件限制导致性能瓶颈。
• 电源供应：双显卡（尤其是高性能显卡）需计算总功耗。例如，NVIDIA RTX 3080（320W）与Intel UHD 630（15W）组合需至少650W电源。
• 散热设计：多显卡布局需考虑机箱风道，避免高温导致降频。

1.2 Ubuntu系统版本选择

• LTS版本优先：如Ubuntu 22.04 LTS，提供长期支持与稳定驱动。
• 内核版本：较新内核（如5.15+）对多显卡支持更完善，可通过uname -r查看当前版本。

1.3 BIOS设置调整

• 禁用集成显卡（可选）：若仅需独立显卡工作，可在BIOS中关闭iGPU（集成显卡）。
• 启用PCIe Gen3/Gen4：确保显卡通过高速PCIe通道连接，提升数据传输效率。

二、驱动安装与冲突解决

2.1 官方驱动与开源驱动对比

驱动类型	优点	缺点
NVIDIA官方驱动	性能最优，支持CUDA计算	需手动安装，可能与其他驱动冲突
Nouveau开源驱动	自动安装，兼容性好	性能较低，功能受限
AMD开源驱动	开箱即用，支持Vulkan	高级功能需额外配置

2.2 NVIDIA显卡驱动安装（以NVIDIA+Intel为例）

方法一：使用Ubuntu仓库安装

sudo apt update
sudo ubuntu-drivers autoinstall  # 自动选择推荐驱动
sudo reboot

方法二：手动下载.run文件

1. 从NVIDIA官网下载对应驱动（如NVIDIA-Linux-x86_64-525.60.11.run）。
2. 禁用Nouveau驱动：

   sudo bash -c "echo 'blacklist nouveau' >> /etc/modprobe.d/blacklist.conf"
   sudo update-initramfs -u
   sudo reboot

3. 安装驱动：

   chmod +x NVIDIA-Linux-*.run
   sudo ./NVIDIA-Linux-*.run

2.3 冲突解决：Secure Boot与模块签名

• 问题：启用Secure Boot时，NVIDIA驱动模块可能因未签名而无法加载。
• 解决方案：
  1. 生成MOK（Machine Owner Key）：

     sudo openssl req -new -x509 -newkey rsa:2048 -keyout MOK.priv -outform DER -out MOK.der -nodes -days 36500 -subj "/CN=NVIDIA MOK/"
     sudo mokutil --import MOK.der

  2. 重启后选择Enroll MOK，输入临时密码完成签名。

三、双显卡切换与模式管理

3.1 PRIME渲染切换（NVIDIA+Intel）

• 命令行切换：

  sudo prime-select nvidia  # 切换至独立显卡
  sudo prime-select intel  # 切换至集成显卡
  sudo reboot

• 图形界面工具：安装nvidia-prime后，通过NVIDIA X Server Settings调整。

3.2 多显卡计算模式（如多块NVIDIA显卡）

• CUDA多GPU配置：

  nvidia-smi -L  # 列出所有GPU
  export CUDA_VISIBLE_DEVICES="0,1"  # 指定使用的GPU

• 任务分配：在深度学习框架（如TensorFlow）中，通过tf.config.experimental.set_visible_devices分配GPU。

四、性能测试与优化

4.1 基准测试工具

工具	用途	命令示例
glxgears	简单OpenGL性能测试	glxgears -info
Unigine Heaven	图形渲染压力测试	下载后运行./heaven
CUDA Samples	计算性能测试（NVIDIA）	cd NVIDIA_CUDA-Samples/1_Utilities/deviceQuery && make && ./deviceQuery

4.2 实际场景测试

• 深度学习训练：使用Horovod或PyTorch Distributed测试多GPU加速比。

  import torch
  print(torch.cuda.device_count())  # 输出可用GPU数量

• 视频编码：通过ffmpeg测试多GPU并行编码：

  ffmpeg -i input.mp4 -c:v libx264 -gpu 0 output_0.mp4  # 使用GPU 0
  ffmpeg -i input.mp4 -c:v libx264 -gpu 1 output_1.mp4  # 使用GPU 1

4.3 优化建议

• 内核参数调整：

  sudo nano /etc/default/grub
  # 添加`pci=realloc`和`nvidia-drm.modeset=1`
  sudo update-grub

• 散热优化：使用sensors监控温度，必要时调整风扇曲线。

五、常见问题与解决方案

5.1 登录循环（Login Loop）

• 原因：驱动与Xorg配置冲突。
• 解决：
  1. 进入恢复模式，选择root shell。
  2. 删除冲突配置：

     rm -rf ~/.Xauthority
     sudo apt purge nvidia-*
     sudo reboot

5.2 CUDA与驱动版本不匹配

• 检查版本：

  nvidia-smi  # 查看驱动版本
  nvcc --version  # 查看CUDA版本

• 解决：从NVIDIA官网下载对应版本的CUDA Toolkit。

结论：双显卡的潜力与未来

Ubuntu下的双显卡配置虽复杂，但通过系统化的驱动管理、模式切换与性能测试，可充分释放硬件潜力。无论是游戏开发、科学计算还是AI训练，合理的多显卡配置均能显著提升效率。未来，随着Wayland显示协议与异构计算框架的成熟，Linux下的多显卡支持将更加无缝。

行动建议：

1. 优先使用LTS版本Ubuntu与官方驱动。
2. 通过nvidia-bug-report.sh收集日志，便于定位问题。
3. 参与Ubuntu社区讨论（如#ubuntu-driversIRC频道），获取最新解决方案。