作者：周兆靖

英特爾? 銳炫? 系列獨立顯卡已上市，有A770、A750等多款不同型號，定位不同應用場景的高性能顯卡。除桌面端顯卡外，英特爾NUC系列產品也搭載了多款移動端獨立顯卡，有A550M、A730M、A770M等。

考慮到有部分用戶是初次體驗英特爾的獨立顯卡，尤其是在Linux系統環境下對顯卡驅動的下載與安裝并不熟悉。本次我們就著重介紹如何在Linux系統環境下安裝英特爾顯卡的驅動，并且也測試了顯卡的AI推理性能。

顯卡驅動安裝教程?

英特爾? 銳炫? 系列獨立顯卡僅支持Linux系統環境下的Ubuntu 20.04與Ubuntu 22.04兩個版本，安裝前一定要確保當前系統版本符合要求。本次教程使用A770（16GB）顯卡，在Ubuntu 20.04 LTS系統版本下安裝驅動。

驅動安裝前的準備工作?

1、了解Resizable Base Address Register (RBAR) 功能

RBAR的中文名稱是可調整大小的基址寄存器，是一項標準化的PCI Express接口技術，在許多最新的CPU和主板平臺中能看見，被廣泛用于嵌入式系統中，通常與外設控制器相關聯。通過更改RBAR的值，可以動態更改內存訪問地址，讓CPU能直接讀取或寫入外設的寄存器或緩沖區。

當電腦運行游戲時，GPU顯存（VRAM）借助CPU到 GPU之間的傳輸通道，不斷傳輸游戲內紋理、著色器和幾何形狀等大量數據。通過RBAR幫助，系統可以按需請求資源并以整體方式傳輸，因此 CPU便能有效訪問整個幀緩存。以前CPU單次向 GPU存取的內容被限制在 256 MB。而大型游戲引擎在傳統設計下，若數據超過256MB，便會頻繁在 CPU和GPU之間來回傳輸，導致整體運算效率低，從而影響游戲幀數（FPS）。當然，AI計算也是同理，頻繁拷貝數據勢必會浪費計算資源與帶寬。有了RBAR技術，CPU可以完全存取整個GPU顯存 （VRAM），不通過共享內存作為緩沖區進行協作，減少與GPU溝通次數，極大提高了CPU和GPU之間的運算效率。

同等硬件條件下，開啟與關閉RBAR功能得到的推理性能如下：

CPU：i7-11700T

dGPU：A770（16GB）

Memory: 32GB

系統版本：Ubuntu 20.04 LTS

測試軟件：benchmark_app from OpenVINO? Toolkit

模型地址：

https://github.com/openvinotoolkit/openvino_notebooks/tree/main/notebooks/001-hello-world/model

2、檢查系統配置并開啟RBAR功能

lspci -v |grep -A8 VGA

以上信息中黃色方塊內代表當前PCIe通道內存的存取內容體積大小。可以看到圖中size=16G，表明CPU向GPU可訪問數據的最大值為16G，等同于當前顯卡的16GB顯存，證明主板BIOS中的RBAR功能已開啟。若RBAR功能沒開啟，一般情況下顯示為size=256MB。解決辦法是去主板BIOS中開啟RBAR功能。

本次演示的主板型號是技嘉Z590，BIOS版本為F7，BIOS日期為11/03/2021，BIOS ID為BARKL012。電腦開機按DEL鍵進入主板BIOS界面：

點擊setting選項進入設置頁面：

點擊IO Ports選項：

點擊Above 4G Decoding選項，將其設置為Enable選項激活狀態：

這時Above 4G Decoding選項下方會出現Re-Size BAR Support選項，將其設置為Auto選項，即可激活RBAR功能。

保存BIOS設置并重啟電腦：

進入Linux系統桌面使用lspci命令再次驗證Memory那行的Size數值是否等于當前顯卡的顯存容量。由于市售主板型號眾多且不同品牌的BIOS界面會有不同，請在安裝銳炫? 獨立顯卡后根據各型號主板BIOS操作手冊開啟RBAR功能。

備注：RBAR功能目前只支持大多數第十代英特爾? 酷睿? 以及十代以后的CPU平臺。

通過Ubuntu終端安裝

英特爾? 銳炫? 系列獨立顯卡驅動?

1、安裝gpg-agent和wget

首先確保系統已安裝gpg-agent和wget，然后會下載并安裝用于驗證軟件包倉庫完整性的公鑰。在apt下載庫中添加英特爾? 顯卡驅動下載庫，這樣可以在安裝顯卡時從英特爾資源庫中拉取相應驅動資源。最后將repositories.intel.com/graphics 庫添加至當前系統中。

sudo apt-get install -y gpg-agent wget wget -qO - https://repositories.intel.com/graphics/intel-graphics.key | \ sudo gpg --dearmor --output /usr/share/keyrings/intel-graphics.gpg echo 'deb [arch=amd64 signed-by=/usr/share/keyrings/intel-graphics.gpg] https://repositories.intel.com/graphics/ubuntu focal-devel main'sudo tee /etc/apt/sources.list.d/intel.gpu.focal.list

向右滑動查看完整代碼

2、安裝特定版本的Linux OEM kernel

Dynamic Kernel Module Support（DKMS）指一種用于在Linux系統中管理動態內核模塊的框架。它允許第三方驅動程序開發人員將自己的驅動程序打包成DKMS格式，并與Linux內核進行集成。

使用DKMS，當系統升級到新版本內核時，所有已安裝的第三方驅動程序都會自動重新構建和安裝，從而保持與新內核的兼容性。避免手動重新編譯和安裝驅動程序的繁瑣過程，簡化Linux系統中動態內核模塊的管理和部署過程，提高系統穩定性和可靠性。

當前DKMS僅支持Linux 5.14.0-1047 oem kernel，通過以下命令安裝Linux 5.14.0-1047 oem kernel：

sudo apt-get install linux-image-5.14.0-1047-oem

安裝完成后，使用命令更改GRUB設置為默認載入oem kernel：

sudo sed -i "s/GRUB_DEFAULT=.*/GRUB_DEFAULT=\"1> $(echo $(($(awk -F\' '/menuentry / {print $2}' /boot/grub/grub.cfg \| grep -no '5.14.0-1047' | sed 's/:/\n/g' | head -n 1)-2)))\"/"/etc/default/grubsudo sed -i "s/GRUB_CMDLINE_LINUX_DEFAULT=.*/GRUB_CMDLINE_LINUX_DEFAULT=\"$(echo $(awk -F'="' '$1== "GRUB_CMDLINE_LINUX_DEFAULT" {print $2}'\/etc/default/grub | tr -d 'pci=realloc=off\"/" /etc/default/grub

向右滑動查看完整代碼

重啟計算機，使kerne生效：

sudo reboot

使用以下命令來獲取當前kernel信息，確保kernel已被更改為Linux 5.14.0-1047 oem kernel：

uname -r

若成功安裝Linux 5.14.0-1047 oem kernel，應收到的返回信息：

注意：如果你在BIOS中設置了安全啟動，會在重啟時收到提示，請選擇Enroll MOK選項來使新kernel發揮作用。

可選項：若舊kernel不需要同時被編譯，可以選擇將其卸載：

sudo apt-get remove (previous kernel’s name)

3、安裝DKMS模塊

安裝獨立顯卡特定的DKMS模塊使驅動生效：

sudo apt-get ｕｐｄａｔｅ sudo apt-get install gawk sudo apt-get installdkmslinux-headers-$(uname -r)libc-dev sudo apt-get install intel-i915-dkms intel-platform-cse-dkms pmt

4、安裝run-time組件

使用apt-get命令安裝一些使用英特爾? 獨立顯卡進行渲染、編解碼、運算等操作所需的必要組件：

sudo apt-get install intel-opencl-icd intel-level-zero-gpu level-zero \intel-media-va-driver-non-free libmfx1 libmfxgen1 libvpl2 \libegl-mesa0 libegl1-mesa libegl1-mesa-dev libgbm1 libgl1-mesa-dev libgl1-mesa-dri \ libglapi-mesa libgles2-mesa-dev libglx-mesa0 libigdgmm11 libxatracker2 mesa-va-drivers \mesa-vdpau-drivers mesa-vulkan-drivers va-driver-all

向右滑動查看完整代碼

重啟生效：

sudo reboot

5、將user添加至render組中，以獲取訪問獨立顯卡的權限

查看當前所有顯卡驅動所屬組的名稱：

stat -c "%G" /dev/dri/render*

你將會收到：

使用以下命令查看當前用戶所在組的詳情：

groups ${USER}

若返回信息中沒有render組，需要將當前user添加render組的權限，使用以下命令：

sudo gpasswd -a ${USER} render

激活組的更改：

newgrp render

6、驗證驅動成功安裝

若以上六步全部完成，請使用以下命令驗證驅動是否正確安裝：

sudo apt-get install hwinfo

hwinfo --display

若正確安裝，你將會收到如圖所示信息：

安裝步驟細節與文字較多，大家也可以參考官方驅動安裝手冊。若有開發者使用的OS版本為Ubuntu 2022.04 LTS，也可以在官方手冊中找到該系統下獨立顯卡驅動安裝步驟指引。安裝手冊參考：

https://dgpu-docs.intel.com/installation-guides/index.html

同時使用獨立顯卡（discrete GPU）

和集成顯卡（integrated GPU）?

一般情況下，當插入dGPU之后，一些品牌主板會自動屏蔽iGPU的渲染和計算功能，此時需要重啟進入主板BIOS界面，將使用iGPU的運行開關打開。以技嘉Z590主板BIOS為例，展示如何通過修改BIOS設置讓iGPU設備可用。

1、通過BIOS 激活系統中的集成顯卡

進入BIOS界面，點擊Setting選項頁面：

點擊IO Ports選項：

找到Internal Graphics選項并設置為Enable選項：

保存BIOS更改并重啟，完成iGPU激活流程。

2、檢查系統中顯卡硬件是否可用

在BIOS中完成iGPU的激活后進入系統，使用以下命令檢查顯卡硬件信息：

hwinfo --display

如果看到信息如圖所示，說明iGPU和 dGPU都可以正常工作：

成功安裝銳炫? 獨立顯卡的驅動后，選擇使用dGPU進行圖像渲染顯示輸出，需要將顯示器的數據線接在dGPU的輸出接口中。此時，深度學習計算可以選擇使用dGPU、iGPU單獨進行計算或dGPU與 iGPU同時參與計算。

若是把顯示器的數據線插在主板的顯示輸出接口中，此時iGPU負責圖像渲染顯示輸出。可以單獨選擇使用iGPU或者dGPU進行深度學習計算，當然也可以同時使用iGPU和dGPU進行深度學習計算。

安裝OpenVINO? 并測試

銳炫? 系列獨立顯卡的推理性能?

OpenVINO? 是英特爾發布的一款開源且商用免費的工具套件。主要應用于計算機視覺、實現神經網絡模型優化和推理計算加速。該工具可以幫助開發者在英特爾的推理硬件上（CPU、dPGU、iGPU）快速部署 AI應用程序和解決方案。

了解更多：

https://www.intel.cn/content/www/cn/zh/developer/tools/openvino-toolkit/overview.html

本次以銳炫? 系列A770（16GB）顯卡為例，在Ubuntu 20.04 LTS系統下進行OpenVINO? 工具套件安裝和獨立顯卡的推理性能測試：

1：創建虛擬運行環境

python -m venv openvino_env

2：激活OpenVINO? 工作環境

. openvino_env\scripts\activate

3：升級pip版本

python -m pip install --upgrade pip

4：下載OpenVINO? 開發工具套件

5：下載OpenVINO? 示例代碼集

git clone

https://github.com/openvinotoolkit/openvino.git

6：查看本地支持OpenVINO? 的推理硬件列表：

python3 /openvino/samples/python/hello_query_device.py

iGPU

dGPU

將模型下載至當前文件夾中，使用OpenVINO? 提供的模型性能評估工具（benchmark_app）運行模型推理，部署至A770獨立顯卡中進行性能測試。

測試命令如下：

模型地址：

https://github.com/openvinotoolkit/openvino_notebooks/tree/main/notebooks/001-hello-world/model

OpenVINO? 工具套件可以通過不同的插件（Plugin）來調用當前系統下的推理硬件。比如：CPU、dGPU和iGPU，進行硬件推理的性能測試。以及MULTI插件可以協同調用任意多個推理硬件同時推理，AUTO插件可以自動選擇當前系統下最優硬件進行推理。當前系統下，各推理硬件推理性能的測試如下圖所示：

• Ubuntu 20.04 LTS i7-11700T with A770(16GB)
• Command: benchmark_app –m “yolov7-tiny.xml” –d

總結

相比可以直接使用驅動安裝包的Windows系統，Linux系統在dGPU 的驅動安裝上會稍微復雜一些。用戶插入dGPU之后，可以根據本文在Ubuntu系統下安裝所需要的驅動。驅動安裝完成后，按照本文步驟方法，檢查驅動是否已正確安裝并啟用。完成安裝后，dGPU才能進行高分辨率圖像渲染輸出，同時也可以使用dGPU進行編解碼，AI 模型的訓練與推理，以及OpenVINO? 的應用部署等一系列操作。

從OpenVINO? 提供的性能測試工具得到的數據來看， dGPU（A770）的AI推理性能相較于Tiger-Lake的CPU強勁非常多，并且dGPU與其他推理硬件，例如iGPU、CPU的協同推理都十分易于實現且穩定。在MULTI插件幫助下，協同CPU與dGPU能夠獲得相較于單獨使用某一設備更好的推理性能數據，并且部署至多設備協同推理時十分易用。AUTO插件也可以快速選擇到當前系統中的最優硬件進行推理。開發者可以將前期基于OpenVINO? 在CPU或iGPU開發的AI應用快速遷移至dGPU中實現，推薦開發者嘗試聯合推理硬件進行AI推理以獲得更強性能。

注：文中涉及的其它名稱及商標屬于各自所有者資產。