这个目录提供一个 Ubuntu GPU 裸金属服务器接收后的自动化脚本，用来完成两件事：
- • 默认安装或升级到 NVIDIA Driver 580 + CUDA Toolkit 13.0
- • 自动发现未挂载的数据盘，写入
/etc/fstab 并挂载到 /data1、/data2 等目录
脚本默认是安全预演模式，不会真正修改系统。确认输出无误后再加 --yes 执行。
快速使用
chmod +x scripts/provision_gpu_baremetal.shsudo scripts/provision_gpu_baremetal.shsudo scripts/provision_gpu_baremetal.sh --yes --reboot
默认目标就是：
Driver: 580CUDA: 13.0
如果你是 A100/A800/H100 8 卡 HGX/SXM/NVSwitch 机器，建议显式开启 Fabric Manager：
sudo scripts/provision_gpu_baremetal.sh --fabricmanager --yes --reboot
如果新机器的数据盘完全空白，需要脚本帮你分区和格式化：
sudo scripts/provision_gpu_baremetal.sh --format-empty --confirm-format-empty --yes --reboot
为了避免误格式化，格式化空白盘必须同时带 --format-empty --confirm-format-empty。
常用参数
--driver VERSION NVIDIA 驱动主版本，默认 580--cuda VERSION CUDA Toolkit 版本，默认 13.0--mount-base PATH 数据盘挂载目录前缀，默认 /data，结果为 /data1、/data2--fs TYPE 空白盘格式化文件系统，支持 ext4 或 xfs，默认 ext4--format-empty 允许格式化没有文件系统的空白数据盘--fabricmanager 强制安装 NVIDIA Fabric Manager--no-fabricmanager 不安装 NVIDIA Fabric Manager--install-container 同时安装 NVIDIA Container Toolkit--no-lock 安装后不锁定 NVIDIA/CUDA 包版本--force 检测到 GPU 任务仍继续升级，仅建议维护窗口使用--confirm-format-empty 与 --format-empty 配套使用，确认允许格式化空白盘--yes 真正执行修改；不加时只预演--reboot 执行完成后自动重启
安全策略
- • 支持两类场景：纯 Ubuntu 新系统安装；已有 550/12.4 等旧版本时升级到目标版本。
- • 仅支持标准交付环境 Ubuntu 22.04/24.04 x86_64。
- • 如果检测到 Secure Boot 开启，脚本会停止；需要先在 BIOS/UEFI 关闭，或人工处理 MOK 内核模块签名。
- • 正式执行前会检查 NVIDIA 官方 CUDA apt 源连通性；脚本默认使用公网源，不内置离线源逻辑。
- • 正式执行前会记录当前
nvidia-smi、nvcc 和已安装 NVIDIA/CUDA 包。 - • 如果检测到 GPU 上还有计算进程，正式执行会停止；只有显式加
--force 才会继续。 - • 如果检测到旧驱动是 NVIDIA
.run 安装方式，会先用 nvidia-installer --uninstall --silent 卸载，再交给 apt 安装目标版本。 - • 正式执行前会解除旧的 NVIDIA/CUDA
apt-mark hold，并移除脚本旧锁定文件，避免旧版本阻塞升级。 - • 有文件系统但未挂载的数据盘会直接挂载，不格式化。
- • LVM、RAID、LUKS、swap 等非普通文件系统签名会被跳过，不会自动挂载或格式化。
- • 完全空白的数据盘默认跳过；必须同时加
--format-empty --confirm-format-empty 才会分区和格式化。 - • 挂载使用磁盘 UUID 写入
/etc/fstab，并带 nofail，避免数据盘异常时卡住开机。 - • 自动选择未占用的
/data1、/data2 等挂载点，避开已有挂载点和 /etc/fstab 记录。 - • 第一次修改
/etc/fstab 前会自动备份为 /etc/fstab.backup.<时间戳>。 - • 默认自动检测 NVSwitch；检测到时安装 Fabric Manager 相关包，并校验它与驱动小版本一致。
- • B100/B200/B300/Blackwell 这类第四代 NVSwitch 系统会改用
nvidia-open-<driver> + nvlink5-<driver>。 - • 默认锁定 NVIDIA/CUDA 相关包版本，避免普通
apt upgrade 自动升级驱动或 CUDA。 - • 增强验收默认开启，会输出 GPU 数量、NVLink 拓扑、persistence mode、MIG 状态、Fabric Manager 状态、磁盘挂载和版本锁定摘要。
- • 日志写入
/var/log/gpu-baremetal-provision.log。
版本锁定
脚本正式执行后默认会做两层锁定：
- • 对已安装的 NVIDIA/CUDA 相关包执行
apt-mark hold - • 写入
/etc/apt/preferences.d/nvidia-cuda-version-lock.pref，把这些包固定在当前安装版本
后续如果确实要主动升级，先解锁：
sudorm -f /etc/apt/preferences.d/nvidia-cuda-version-lock.prefsudo apt-mark unhold $(apt-mark showhold | grep -E '^(cuda-|libcuda|libnvidia-|nvidia-|nsight-)')
然后再重新运行脚本安装新的目标版本。
旧 .run 驱动
有些机器的旧 driver 不是 apt 安装，而是通过 NVIDIA .run 文件安装。脚本会检测 nvidia-installer，正式执行时先卸载旧 .run 驱动：
nvidia-installer --uninstall --silent
然后再安装 apt 源里的 Driver 580、CUDA 13.0 和 Fabric Manager/NVLink 包。这样后续版本锁定、升级、卸载都能由 apt 管理。
Fabric Manager
多卡 NVSwitch 机器通常需要 Fabric Manager，例如部分 SXM/HGX 服务器。脚本默认会自动检测 NVSwitch，检测到就安装：
cuda-drivers-fabricmanager-<driver>
如果检测到 B100/B200/B300/Blackwell 这类第四代 NVSwitch 机器，则改用：
nvidia-open-<driver>nvlink5-<driver>
如果你已经知道客户机器需要 Fabric Manager，可以直接强制开启：
sudo scripts/provision_gpu_baremetal.sh --fabricmanager --yes --reboot
安装后脚本会校验驱动包与 Fabric Manager/NVLink 包的上游小版本是否一致，例如都为 580.xxx.xx。
推荐验收
脚本正式执行后会自动做增强验收并在日志末尾输出交付摘要。重启后建议再人工确认：
nvidia-sminvcc --versionnvidia-smi topo -mnvidia-smi -q -d PERSISTENCE_MODEnvidia-smi -q | grep -Ei 'MIG Mode|Current MIG'systemctl status nvidia-fabricmanager --no-pagerapt-mark showhold | grep -E '^(cuda-|libcuda|libnvidia-|nvidia-|nsight-)'lsblk -ffindmnt --verify
查看完整交付日志：
less /var/log/gpu-baremetal-provision.log
注意
这个脚本当前面向 Ubuntu 22.04/24.04 x86_64。不同云厂商或 IDC 镜像可能预装了旧驱动，驱动切换后通常需要重启一次才能让内核模块完全生效。
项目地址
https://github.com/Liuzewu/linux-server-ops
