nvidia-smi默认只显示简略状态表，驱动和cuda版本需用nvidia-smi -q查看；其中cuda version指驱动支持的最高cuda toolkit版本，非当前安装版本。
nvidia-smi 能直接查到显卡型号、驱动版本、CUDA 版本、显存占用、温度等关键信息，但它不显示内核模块版本或驱动安装路径，这点常被误以为“信息全”。
查驱动版本和 CUDA 版本必须加 -q
默认执行 nvidia-smi 只显示简略状态表，驱动和 CUDA 版本藏在详细模式里：
-
nvidia-smi -q输出全部字段，含 Driver Version 和 CUDA Version（注意：这是驱动支持的最高 CUDA 版本，不是当前环境实际使用的） -
nvidia-smi -q -d SYSTEM仅显示系统级信息（驱动、CUDA、NVML 版本），减少干扰 - 若输出中
CUDA Version显示N/A，说明驱动太旧（如418.xx以下）或未正确加载 NVML
nvidia-smi -L 和 nvidia-smi --list-gpus 是等价的
这两个命令都只列出 GPU 设备名和 UUID，不带状态数据，适合脚本调用：
-
nvidia-smi -L输出形如GPU 0: NVIDIA A100-SXM4-40GB (UUID: GPU-xxxx) - UUID 是稳定标识，比索引
0更可靠，尤其在热插拔或多卡拓扑变化时 - 如果
nvidia-smi -L报错或无输出，大概率是nvidia-uvm或nvidia-drm内核模块没加载，而不是驱动没装
温度、显存、利用率字段容易看错
默认表格里三个关键字段含义不同，混淆会导致误判：
-
Memory-Usage：格式为1234 MiB / 40960 MiB，是**显存容量占用**，单位固定为 MiB，不是百分比 -
GPU-Util：是**计算单元（SM）的活跃周期占比**，反映 kernel 执行强度，和显存无关 -
Temp：是 GPU 核心温度（℃），但某些 OEM 卡（如部分 Dell/HP 服务器 GPU）可能因传感器未校准而显示N/A或恒定值 - 风扇转速（
Fan）在无风扇卡（如 A100 SXM4、L40S）上恒为N/A，不能据此判断散热异常
实时监控别只用 -l，小心刷新频率陷阱
nvidia-smi -l 1 看似每秒刷新，但实际最小间隔受驱动限制：
- Linux 上最低支持 0.1 秒（
nvidia-smi -l 0.1），但频繁轮询会增加 CPU 开销，且可能触发驱动限频 - 更稳妥的方式是用
watch -n 0.5 nvidia-smi，由 shell 控制节奏，避免nvidia-smi自身阻塞 - 生产环境长期记录建议用
nvidia-smi --query-gpu=timestamp,temperature.gpu,utilization.gpu,memory.used --format=csv,noheader,nounits -l 2 > gpu.log，避免空格和对齐干扰解析
真实场景里，nvidia-smi 的输出稳定性依赖于驱动与内核模块的匹配程度——比如你看到 Persistence-M 显示 Off，却无法用 nvidia-smi -m 1 开启，那基本是驱动没权限或运行在容器里没挂载 /dev/nvidiactl。
