文档中心
登录
注册
GPU云服务器
文档指南
GPU云服务器
GPU云服务器
文档指南
请输入
GPU云服务器
产品动态
新功能发布记录
镜像发布记录
图说GPU云服务器
初见GPU云服务器
产品简介
什么是GPU云服务器
产品优势
应用场景
约束限制
产品计费
快速入门
NVIDIA驱动安装指引
准备工作
购买异构计算型实例
购买高性能计算异构型实例
用户指南
实例规格清单
实例规格介绍
GPU实例命名与选型推荐
GPU计算型
GPU渲染型
高性能计算GPU型
即将停售的实例规格
实例操作指引
安装NVIDIA驱动
安装NVIDIA Tesla驱动
创建实例时自动安装Tesla驱动
创建实例后快速安装Tesla驱动
手动安装GPU驱动
安装CUDA工具包
安装NVIDIA-Fabric Manager软件包
安装NVIDIA GRID驱动
创建实例时自动加载GRID驱动
手动安装GRID驱动
卸载NVIDIA驱动
卸载NVIDIA Tesla驱动
卸载NVIDIA-Fabric Manager软件包
卸载NVIDIA GRID驱动
管理高性能计算集群
高性能计算集群概述
创建高性能计算集群
扩容高性能计算集群
删除高性能计算集群
管理集群事件
集群诊断
集群诊断概述
创建诊断任务
查看历史诊断报告
诊断项汇总
监控
云监控
监控概览
RDMA网络监控(hpcpni2)
安装veCCL
安装veCCL通信库(Analyzer 专用)
GPU公共镜像和驱动维护周期
最佳实践
AIGC实践
概述
DeepSeek系列模型
GPU-部署DeepSeek-V4.1-Flash模型
GPU-部署DeepSeek-V4-Flash-Vision-EXP模型
GPU-部署DeepSeek-V4-Pro模型
GPU-部署DeepSeek-V4-Flash-0731模型
GPU-部署DeepSeek-R1/V3模型
GPU-部署DeepSeek-V3.2模型
GPU-小EP部署DeepSeek-R1/V3模型
GPU-大EP部署DeepSeek-R1/V3.1模型
GPU-基于xLLM部署DeepSeek-R1/V3模型
HPC-单机部署DeepSeek-R1的W4A8方案
Kimi系列模型
GPU-部署Kimi-K3模型
GPU-部署Kimi-K2.6模型
GPU-部署Kimi K2.5模型
Qwen系列模型
GPU-部署Qwen3.8 27B模型
GPU-部署Qwen3.8模型
GPU-部署Qwen3.8-Flash-Next模型
GPU-部署Qwen3.5模型
GPU-部署Qwen3模型
GLM系列模型
GPU-部署GLM-5.3模型
GPU-部署GLM-5.3-Flash模型
GPU-部署GLM-5.2模型
GPU-部署GLM-5.1模型
GPU-部署GLM-5模型
MiniMax系列模型
GPU-部署MiniMax-M3模型
GPU-部署MiniMax-M2.7模型
GPU-部署MiniMax-M2.5模型
HPC-弹性预约实例(时段型)适配veRL
HPC-VeRL Code Sandbox最佳实践
搭建应用
GPU-部署NGC环境
GPU-部署Pytorch应用
GPU-搭建AIGC能力(Linux)
GPU-搭建AIGC能力(Windows)
GPU-搭建Isaac Sim 5.1仿真环境
HPC-配置NCCL
HPC-搭建Slurm计算集群
性能测试/调优
HPC-单机/多机NCCL测试(Easy_NCCL)
HPC-多机NCCL测试优化方案之实例亲和性排序
通过单机/多机GPT训练判断GPU性能(Easy_GPT)
使用NCCL Tuner Plugin优化NCCL通信性能
使用NCCL Softbond Plugin保障单网卡故障下训练流量恢复
自研高性能集合通信库veCCL
GPU性能计算器
HPC-配置单网卡多IP
HPC-制作RDMA容器镜像
在高性能计算GPU型实例中安装RDMA Agent
使用秒级监控功能
故障处理
使用A100显卡的训练进程异常中断,如何排查问题?
Ubuntu 24.04+Nvidia drive 570+doca 2.9.1环境下DeepEP报错原因分析与解决方案
NVIDIA GPU常见XID错误处理方法
如何解决NCCL集合通信参数不匹配
如何解决集合通信传输中断
如何解决集合通信执行中断
如何解决集合通信未启动
如何解决集合通信进度不匹配
如何解决未知根因导致的通信挂起
如何解决计算慢节点
如何解决通信慢节点
如何解决计算负载不均
API参考
SDK参考
常见问题
GPU云服务器FAQ
NVIDIA驱动FAQ
监控FAQ
GPU实例硬件相关FAQ
相关协议
容器共享mGPU
产品简介
什么是容器共享mGPU
产品计费
用户指南
通过Docker云上安装并使用mGPU服务
通过容器服务使用mGPU
使用方法
配置mGPU算力分配策略
文档首页
GPU云服务器
GPU云服务器
用户指南
安装NVIDIA驱动
安装NVIDIA GRID驱动
手动安装GRID驱动
复制全文
下载 pdf
我的收藏
安装NVIDIA GRID驱动
手动安装GRID驱动
复制全文
下载 pdf
我的收藏
手动安装GRID驱动
文档反馈
问问助手
操作场景
搭载了
T4
、
A10
、
L-Series
显卡的GPU计算型实例如需使用OpenGL图形图像处理能力,则需要安装NVIDIA GRID驱动并自行购买NVIDIA官方发布的GRID License。
本文主要介绍如何申请License,并配置License服务器和安装GRID驱动。
说明
NVIDIA支持申请90天试用版License。
本文仅供参考,如果您在购买License过程中遇到问题,请与NVIDIA联系。
您也可以直接使用安装了NVIDIA GRID驱动的
GPU渲染型
实例,免除本文所介绍的安装步骤。该实例正在邀测中,如需试用,请联系客户经理申请。
若安装的驱动版本无法满足您的业务需求,您可以
卸载GRID驱动
后,重新
安装GRID驱动
。
前提条件
已创建搭载
T4
、
A10
、
L-Series
显卡的GPU计算型实例,并确保实例可以访问公网,具体操作请参见
创建GPU计算型实例
。
软件版本
GRID驱动版本:
T4
、
A10
:v13.1
L-Series
:v16.1
License Server版本:v2.0.0
Docker版本:v20.10.17
Docker-compose版本:v2.6.0
步骤一:申请GRID License
前往
NVIDIA Enterprise Account
,注册账号并申请试用License。
成功提交申请后,将提示您于2天内在设置的邮箱查收邮件。若通过申请,您将会收到如下2封邮件。
打开邮件“NVIDIA Set Password”,如下图所示。
单击“SET PASSWORD”按钮设置初始口令,设置完成后即可单击“LOGIN”按钮登录您的NVIDIA企业账号。
您也可前往
NVIDIA 许可门户网站
进行登录。
步骤二:部署DLS的本地服务
您可以按如下步骤在企业私有网络搭建本地的DLS服务器进行License授权。
1)下载软件
下载容器DLS的软件包
进入
NVIDIA 许可门户网站
,选择左侧导航栏中的“SOFTWARE DOWNLOADS”,进入“Software Downloads”页面并单击“ALL AVAILABLE”按钮。
选择要下载的软件包进行下载。
下载GRID驱动
在“Software Downloads”页面,单击待下载软件包右侧的“Download”按钮。
2)安装Docker和Docker-compose
远程连接云服务器并登录,具体操作请参见
登录实例
。
执行以下命令,完成安装前的准备工作,本文以Ubuntu 20.04为例,root身份执行。
Plain Text
复制
apt-get update # 更新软件包列表
apt-get remove docker docker-engine docker.io containerd runc # 卸载已安装的软件包(保留配置文件)
apt-get install -y ca-certificates curl gnupg unzip lsb-release # 安装新的软件包
执行以下命令,添加Docker官方的GPG密钥和软件源。
Plain Text
复制
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - #导入GPG密钥
add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" #添加Docker APT 软件源
执行以下命令安装Docker。
apt install -y docker-ce docker-ce-cli containerd.io
执行以下命令,下载 Docker-compose并添加执行权限。
下载Docker-compose:
curl -L https://github.com/docker/compose/releases/download/v2.6.0/docker-compose-linux-x86_64 -o /usr/local/bin/docker-compose
将可执行权限应用于二进制文件:
sudo chmod +x /usr/local/bin/docker-compose
回显如下,表示安装成功。
3)部署license 2.0 image
执行以下命令,将软件包
nls-2.0.0-bios.zip
解压至DLS文件夹中。
Plain Text
复制
ls -l
mkdir DLS
cd DLS/
unzip ../nls-2.0.0-bios.zip
执行以下命令加载容器镜像。
docker load --input dls_pgsql_2.0.0.tar.gz
docker load --input dls_appliance_2.0.0.tar.gz
修改Docker容器服务的主机地址并启动License服务。
DLS_PUBLIC_IP='192.168.xx.xx' docker-compose up
您也可以使用
-d
参数将容器服务放在后台运行,即执行
DLS_PUBLIC_IP='192.168.xx.xx' docker-compose up -d
命令。
首次运行会初始化数据库,之后重新运行时信息如下所示。
4)配置DLS服务
使用修改后的Docker主机地址访问DLS控制台
https://192.168.xx.xx
,并选择“New Installation”。
设置登录名和登录密码,登录名为dls_admin。
登录成功后即可看到已创建的DLS实例,可以根据您的偏好更改IP地址以及实例名称,修改完成后需重新登录到新的IP地址。
确认无误后,单击“DOWNLOAD DLS INSTANCE TOKEN”按钮,下载Token授权文件,准备将此文件提交到NVIDIA门户网站。
返回
NVIDIA门户网站
,选择左侧导航栏中的“SOFTWARE INSTANCES”,进入“Software Instances”页面。
单击右上角“ACTIONS”按钮,选择“Upload DLS instances token”上传上一步生成的Token文件,注册该DLS实例。
Token文件上传成功后即可看到注册成功的DLS实例。
5)创建License Server
选择左侧导航栏中的“CREATE SERVERS”,进入“Create License Server”页面,指定服务命名并添加所需的 License类型以及数量,然后单击“CREATE SERVER”按钮创建服务器。
选择左侧导航栏中的“SERVER DETAILS”,进入“License Server Details”页面,单击“BIND SERVICE INSTANCE”按钮,将License Server绑定到之前注册的DLS实例上。
绑定成功后,单击右上角的“ACTIONS > Download”按钮,下载用于转移License配置的Bin文件。
返回本地DLS控制台将Bin文件上传至DLS完成License传输。
Bin文件上传成功后,本地DLS即获得License授权能力,授权仍然使用Token文件方式,需要从本地DLS生成并下载.tok文件,然后上传到GPU实例。
6)下载授权Token文件
在DLS控制台首页,选择“ACTIONS > Generate client config token”生成Token文件。
将下载的Token文件传输到GPU实例,数据上传操作请参见
本地数据上传
。
步骤三:安装GRID驱动
Windows
说明
本操作适用于未安装GPU驱动的Windows实例。
预装了GPU驱动的以下公共镜像,暂不支持安装GRID驱动。
Windows Server 2019 数据中心版 64位中文版 (GPU)
Windows Server 2016 数据中心版 64位中文版(GPU)
登录Windows实例
。
安装已获取的GRID驱动。
双击安装程序,在弹出的对话框,单击“OK”按钮。安装程序将自动进行解压。
解压完成后,在弹出的“NVIDIA 安装程序”对话框中,单击“同意并继续(A)”按钮。
保持默认安装选项,单击“下一步(N)”按钮。
安装完成后,单击“关闭”按钮。
查看GRID驱动是否成功安装。
登录Windows实例
。
单击“开始”按钮,在“最近添加”处,若出现NVDIA RTX Desktop Manager和NVIDIA Corporation,表示安装成功。
配置并激活License服务。
将获取到的.tok文件复制到以下目录。
C:\Program Files\NVIDIA Corporation\vGPU Licensing\ClientConfigToken
设置
FeatureType
的值为2。
右键单击“开始 > 运行”,输入“regedit”单击“确定”按钮,打开注册表编辑器。
找到
计算机\HKEY_LOCAL_MACHINE\SOFTWARE\NVIDIA Corporation\Global\GridLicensing
或者
计算机\HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Services\nvlddmkm\Global\GridLicensing
。
新建数值项。
选中
GridLicensing
,并选择左上角“编辑 > 新建 > DWORD (32 位)值(D)”。
选中数值项,单击左上角“编辑 > 修改”按钮,修改数值名称为
FeatureType
,数值数据为
2
。
重启NvDisplayContainer服务。
右键单击“开始 > 搜索”,输入“服务”,在弹出的“服务”对话框右键单击“NvDisplayContainer > 重新启动(E)”。
查看License状态。
C:\Program Files\NVIDIA Corporation\NVSMI\nvidia-smi.exe -q
Linux
登录Linux实例
。
安装已获取的GRID驱动。
执行以下命令安装GRID驱动。
Plain Text
复制
chmod +x NVIDIA-Linux-x86_64-470.82.01-grid.run
./NVIDIA-Linux-x86_64-470.82.01-grid.run
执行
nvidia-smi
命令查看GRID驱动是否成功安装。
如果返回以下信息,则驱动安装成功。
其中,
Driver Version
代表当前GRID驱动版本,
CUDA Version
代表GRID驱动支持的CUDA最高版本。
配置并激活License服务。
执行
cd /etc/nvidia
命令切换至/etc/nvidia目录。
执行以下命令创建gridd.conf文件。
cp gridd.conf.template gridd.conf
执行
vim gridd.conf
命令打开gridd.conf文件,按
i
进入编辑模式。
设置
FeatureType
的值为2,其他配置保持不变。
按
Esc
退出编辑模式,输入
:wq
并按下
Enter
键,保存并退出文件。
执行以下命令将获取到的.tok文件复制到/etc/nvidia/ClientConfigToken目录。
cp <.tok文件地址> /etc/nvidia/ClientConfigToken/
执行以下命令,重启nvidia-gridd服务。
systemctl restart nvidia-gridd.service
查看License状态。
方式一:执行
nvidia-smi -q
命令,如果返回如下信息,表示License激活成功。
方式二:执行
systemctl status nvidia-gridd.service
命令,如果返回如下信息,表示License激活成功。
最近更新时间:2025.11.25 14:58:50
这个页面对您有帮助吗?
有用
有用
无用
无用