☰

GPU 已从总线上掉下来（几乎每次启动时）

tag-icon • tag-icon drivers nvidia 20.04 graphics
GPU 已从总线上掉下来（几乎每次启动时）
  • 设备：HP ProBook 470 G4
  • 集成 GPU：英特尔高清显卡 620
  • 专用 GPU：NVIDIA GeForce 930MX

我的笔记本电脑刚从服务中心回来（因为 CPU 故障）。在 CPU 出现故障之前，一切都运行良好。现在，我安装了 Ubuntu 20.04 和专有的 NVIDIA 驱动程序。

笔记：我尝试了每个版本的驱动程序。我的 GPU 支持390、418、430、435、440、450 和 455。还有一件奇怪的事情……当我安装 440 时，APT 会安装 450。430 和 418 也发生了同样的情况。435 被 455 取代了。无论如何，这是我的问题：

当我启动笔记本电脑时，它卡在黑屏上在 gdm3 启动之前。我甚至无法切换 TTY。只有 SSH 可以工作。当我收到 dmesg 日志时，我看到了以下内容：

[   16.620560] ACPI Warning: \_SB.PCI0.RP01.PXSX._DSM: Argument #4 type mismatch - Found
[Buffer], ACPI requires [Package] (20200528/nsarguments-59)
[   17.126534] r8169 0000:02:00.0 enp2s0: Link is Up - 100Mbps/Full - flow control off
[   17.126546] IPv6: ADDRCONF(NETDEV_CHANGE): enp2s0: link becomes ready
[   18.695141] pcieport 0000:00:1c.0: AER: Uncorrected (Non-Fatal) error received: 0000:00:1c.0
[   18.695154] pcieport 0000:00:1c.0: AER: PCIe Bus Error: severity=Uncorrected (Non-Fatal), type=Transaction Layer, (Requester ID)                     
[   18.695159] pcieport 0000:00:1c.0: AER:   device [8086:9d10] error status/mask=00100000/00010000                                                     
[   18.695161] pcieport 0000:00:1c.0: AER:    [20] UnsupReq               (First)                                                                       
[   18.695164] pcieport 0000:00:1c.0: AER:   TLP Header: 34000000 00000010 00000000 00000000                                                            
[   18.695173] nvidia 0000:01:00.0: AER: can't recover (no error_detected callback)
[   18.695208] pcieport 0000:00:1c.0: AER: device recovery failed
[   18.699191] NVRM: GPU at PCI:0000:01:00: GPU-9fe5f99e-479c-1100-e75b-dc4310990232
[   18.699194] NVRM: Xid (PCI:0000:01:00): 79, pid=1521, GPU has fallen off the bus.                                                                    
[   18.699197] NVRM: GPU 0000:01:00.0: GPU has fallen off the bus.
[   18.699206] NVRM: A GPU crash dump has been created. If possible, please run
               NVRM: nvidia-bug-report.sh as root to collect this data before
               NVRM: the NVIDIA kernel module is unloaded.
[   19.031183] EXT4-fs (dm-3): mounted filesystem with ordered data mode. Opts: (null)
[   19.423191] irq 16: nobody cared (try booting with the "irqpoll" option)
[   19.423195] CPU: 3 PID: 0 Comm: swapper/3 Tainted: P           OE     5.8.0-050800-generic #202008022230
[   19.423195] Hardware name: HP HP ProBook 470 G4/8234, BIOS P85 Ver. 01.37 10/19/2020
[   19.423196] Call Trace:
[   19.423197]  <IRQ>
[   19.423202]  dump_stack+0x70/0x8d
[   19.423205]  __report_bad_irq+0x3a/0xaf
[   19.423206]  note_interrupt.cold+0x8/0x60
[   19.423208]  handle_irq_event+0xaa/0xb1
[   19.423208]  handle_fasteoi_irq+0x7d/0x1c0
[   19.423210]  asm_call_on_stack+0x12/0x20
[   19.423211]  </IRQ>
[   19.423213]  common_interrupt+0xbc/0x160
[   19.423214]  asm_common_interrupt+0x1e/0x40
[   19.423215] RIP: 0010:poll_idle+0x9b/0xb9
[   19.423217] Code: 44 89 e8 41 5c 41 5d 41 5e 41 5f 5d c3 4c 89 f7 48 89 de e8 77 71 dd ff 49 89 c6 b8 c9 00 00 00 49 8b 17 83 e2 08 75 b1 f3 90 <83> e8 01 75 f1 65 8b 3d 59 97 04 63 e8 34 f6 51 ff 4c 29 e0 4c 39
[   19.423217] RSP: 0018:ffffa8f3000ffe10 EFLAGS: 00000246
[   19.423218] RAX: 0000000000000020 RBX: ffff9b8bc05b7500 RCX: 000000000000001f
[   19.423219] RDX: 0000000000000000 RSI: ffff9b8bc05b7500 RDI: ffffffff9df6d760
[   19.423219] RBP: ffffa8f3000ffe38 R08: 0000000485b61e74 R09: 0000000000000001
[   19.423220] R10: 0000000000000003 R11: ffff9b8bc05ab364 R12: 0000000485b61e74
[   19.423221] R13: 0000000000000000 R14: 00000000000007d0 R15: ffff9b8bb5300000
[   19.423223]  cpuidle_enter_state+0x81/0x3f0
[   19.423224]  cpuidle_enter+0x2e/0x40
[   19.423226]  cpuidle_idle_call+0x145/0x200
[   19.423227]  do_idle+0x7a/0xe0
[   19.423228]  cpu_startup_entry+0x20/0x30
[   19.423230]  start_secondary+0xe6/0x100
[   19.423232]  secondary_startup_64+0xb6/0xc0
[   19.423233] handlers:
[   19.423236] [<00000000750c932b>] i801_isr [i2c_i801]
[   19.423237] Disabling IRQ #16

我总是可以sudo prime-select intel && sudo systemctl restart gdm3使用 SSH 来使显示管理器工作，但 NVIDIA 卡就是不工作。

笔记：我不认为这表明 GPU 出现故障。我可以通过添加一些启动参数来让 GPU 工作。例如，我尝试了这些：

quiet splash rcutree.rcu_idle_gp_delay=1 acpi_osi=! acpi_osi='Windows 2009' pci=nomsi

添加参数修复了该问题，但仅限 1 次启动。所以，当我启动笔记本电脑时，一切都运行良好，甚至暂停。 GPU 正在工作，所以我知道它没有故障。而且它在 Windows 中运行良好。当我重新启动笔记本电脑时，它再次卡在黑屏上（是的，我更新了 grub 以使更改永久生效）。

诺姆西禁用 MSI，但无法解决我的问题。GPU 仍然“脱离总线”，但错误消息不同（无法启用 MSI）。

有没有办法可以禁用 PCIe 错误，这样 NVIDIA 驱动程序就不会崩溃？我真的认为它崩溃是因为内核不断向它发送错误消息。任何帮助都将不胜感激。

编辑1：我尝试了 irqpoll 选项，但什么都没解决……奇怪的是，Windows 上一切都运行正常。只是 Ubuntu（如果有必要，我可能会尝试其他发行版）。我无法打开笔记本电脑的外壳，因为这会使维修保修失效。

编辑2：输出lspci -tv：

-[0000:00]-+-00.0  Intel Corporation Xeon E3-1200 v6/7th Gen Core Processor Host Bridge/DRAM Registers
           +-02.0  Intel Corporation HD Graphics 620
           +-14.0  Intel Corporation Sunrise Point-LP USB 3.0 xHCI Controller
           +-14.2  Intel Corporation Sunrise Point-LP Thermal subsystem
           +-17.0  Intel Corporation Sunrise Point-LP SATA Controller [AHCI mode]
           +-1c.0-[01]----00.0  NVIDIA Corporation GM108M [GeForce 930MX]
           +-1c.4-[02]----00.0  Realtek Semiconductor Co., Ltd. RTL8111/8168/8411 PCI Express Gigabit Ethernet Controller
           +-1c.5-[03]----00.0  Intel Corporation Wireless 7265
           +-1d.0-[04]----00.0  Realtek Semiconductor Co., Ltd. RTS522A PCI Express Card Reader
           +-1f.0  Intel Corporation Sunrise Point-LP LPC Controller
           +-1f.2  Intel Corporation Sunrise Point-LP PMC
           +-1f.3  Intel Corporation Sunrise Point-LP HD Audio-[0000:00]-+-00.0  Intel Corporation Xeon E3-1200 v6/7th Gen Core Processor Host Bridge/DRAM Registers
           +-02.0  Intel Corporation HD Graphics 620
           +-14.0  Intel Corporation Sunrise Point-LP USB 3.0 xHCI Controller
           +-14.2  Intel Corporation Sunrise Point-LP Thermal subsystem
           +-17.0  Intel Corporation Sunrise Point-LP SATA Controller [AHCI mode]
           +-1c.0-[01]----00.0  NVIDIA Corporation GM108M [GeForce 930MX]
           +-1c.4-[02]----00.0  Realtek Semiconductor Co., Ltd. RTL8111/8168/8411 PCI Express Gigabit Ethernet Controller
           +-1c.5-[03]----00.0  Intel Corporation Wireless 7265
           +-1d.0-[04]----00.0  Realtek Semiconductor Co., Ltd. RTS522A PCI Express Card Reader
           +-1f.0  Intel Corporation Sunrise Point-LP LPC Controller
           +-1f.2  Intel Corporation Sunrise Point-LP PMC
           +-1f.3  Intel Corporation Sunrise Point-LP HD Audio
           \-1f.4  Intel Corporation Sunrise Point-LP SMBus
           \-1f.4  Intel Corporation Sunrise Point-LP SMBus

答案1

看起来是硬件问题。我不确定 GPU 出了什么问题，但我认为它与主板的连接方式不正确。我会尝试拆开笔记本电脑，看看出了什么问题。如果我无法修复它，我会再次将笔记本电脑送到服务中心。

我的测试：

  • 以前没有发生过
  • 现在 Windows 中也开始出现这种情况（我在设备管理器中收到类似错误 46 的信息）
  • 这种情况不会在每次启动时发生。有时 GPU 可以工作，但在下次重启、休眠或暂停时停止工作。
  • 即使选择了 Intel GPU，我也遇到了随机 PCIe 总线错误（每秒超过 100 条 dmesg 消息）。从内核中删除 GPU（通过将 1 写入即可/sys/bus/pci/devices/0000:01:00.0/remove解决此问题，而无需重新启动。

答案2

设备 1c.0 导致了问题...并且 AER（高级错误报告）正在报告此问题...

       +-1c.0-[01]----00.0  NVIDIA Corporation GM108M [GeForce 930MX]

虽然像您一样，我怀疑存在硬件问题，但出于测试目的，我们可以尝试这个......

空气质量指数

sudo -H gedit /etc/default/grub# 编辑此文件

寻找：

GRUB_CMDLINE_LINUX_DEFAULT="quiet splash"

更改为：

GRUB_CMDLINE_LINUX_DEFAULT="quiet splash pci=noaer"

保存文件。

sudo update-grub# 更新 GRUB

reboot# 重启计算机

否则，您需要将其送回服务中心。

相关内容