Linux在冷启动后冻结："NVRM: GPU从总线上掉下来了“，Xid 79。

Question

在这里，我的配置：

• AMD Ryzen 9 7950X 16-核心
• 千兆字节X670E Aorus
• DDR5海盗船复仇5200 MHz 16 GB
• PNY Nvidia GeForce RTX 4080

我有一个双引导Windows 11和Ubuntu23.04。窗户运转正常。Linux，每次我打开电脑后，电源循环(即“冷启动”)，挂几分钟。悬挂意味着屏幕冻结在我正在做的事情上，没有任何反应--甚至是键盘。我得用硬件重新设置机器。有时，几分钟后，它会重新启动自己。

一旦它重新启动，我可以工作一整天，没有任何其他问题。我试着:打开电脑，登录后重新启动。不可能，反正也得冻僵。

其他我已经检查过的东西：

• 我有两个DDR5模块，但其中一个有缺陷，所以我删除了它。无论如何，错误的问题是不同的，并且发生在Windows和Linux上。
• 尝试将RAM模块移动到另一个插槽(即从A2到B2)
• 运行了几次memtest86+
• 移除图形卡的专有驱动程序。目前，我正在使用默认的opensource xserver-xorg-视频-nouveau(没有GPU加速)
• 试图在xorg和wayland之间切换
• 检查了一些系统日志(dmesg、syslog、xorg)，但我没有找到任何相关的东西(至少对我来说是这样！)
• 更新到最新的包版本
• 从头重新安装Ubuntu
• 将BIOS更新为最新版本
• 添加了pcie_aspm=off内核选项

这个描述能帮我找到正确的方向吗？我还能做些什么来找出吊死的原因？在日志文件中应该查找哪些内容和位置？

更新

多亏了用户Artem S. Tashkinov，我发现在这些挂起过程中，机器仍然存在，并接受SSH连接。

dmesg明确表示GPU是罪魁祸首：

这里我读到它似乎是nvidia的一个bug，因为--就像用户一样-- 1.无论我在做什么，它都会发生，甚至没有任何活动(因此没有热/ps原因)。2.重新启动之后，它一整天都正常工作。3.在Windows中根本没有任何问题。

我能忍受吗？还是有办法解决？

Answer 1

从dmesg中的错误: NVIDIA驱动程序在物理上“丢失”了您的GPU。它已经不在Linux系统中了。

这些错误可能表明您的GPU正以某种方式失败。

1. 试着重新安置它(移除它，把它牢固地放回去，而不施加太多的压力)
2. 尝试用增强型取代PSU。
3. 确保您的GPU的电源电缆牢固地安装在连接器中。
4. 确保其风扇正在旋转-查看nvidia-smi文本输出将是很好的。
5. 尝试在Windows中运行OCCT (GPU/PSU测试)
6. 最后，确保您正在运行最新的Linux驱动程序(编写本报告时的版本为530.41.03 )。