安装驱动后终端输入 nvidia-smi 命令不成功，因为 nvidia-smi 可能被安装在其他路径下。可以尝试在命令行中使用全局搜索来找到 nvidia-smi 的实际位置，或者直接在文件中搜：

然后通过“win+r”进入该目录下的 cmd 终端，输入 nvidia-smi 即可查看CUDA

如果 nvidia-smi 不在系统环境变量 Path 中，可以通过添加环境变量的方式来解决无法直接调用 nvidia-smi 的问题，而不需要移动文件。具体步骤如下：

  1. 打开“系统属性”（可以通过在开始菜单搜索“环境变量”或右键“计算机”选择“属性”然后点击“高级系统设置”来找到）。
  2. 在“系统属性”窗口中，点击“环境变量”按钮。
  3. 在“系统变量”区域，找到并选择 Path 变量，然后点击“编辑”。在编辑环境变量窗口，点击“新建”，然后输入 nvidia-smi 的完整路径，即 C:\Windows\System32\DriverStore\FileRepository\nv_dispsi.inf_amd64_681b5907a11e1c87，然后点击“确定”保存设置。

这样在终端都可以使用 nvidia-smi 命令。

# 人工智能
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

Wan2.2 AI 文生视频 & 图生视频本地深度部署实战｜模型拆解、环境排错、显存分级调优、完整工作流与生产级落地

<think>好的，用户给了一大段关于Wan2.2视频模型本地部署的技术文档内容，要求生成≤150字的文章摘要。 需要抓住核心：主题是Wan2.2本地部署、解决的问题是教程碎片化、内容涵盖完整链路、强调实操与硬件适配、附带资源链接。字数限制很严格，必须精炼。 可以考虑从主题引入，提及痛点，然后概括文档特点——即全流程、分档适配、实测为基础，最后点明配套资料和适用人群。这几个要素都覆盖上

avatar 2048 AI社区

Nemotron-3.5-ASR-Streaming-0.6B模型中文微调实战

本文记录NVIDIA Nemotron-3.5-ASR-Streaming-0.6B流式语音识别模型中文微调实战，基于AISHELL-1数据集与单卡RTX 3090，涵盖环境搭建（含numba-cuda踩坑）、数据预处理、配置微调与排错，提供实测可复现的完整流程，帮助读者1~2天跑通微调实验。

avatar 2048 AI社区

LLM Architecture Gallery 是什么：新开源模型出来后，先对照架构再决定要不要部署

LLM Architecture Gallery 的价值，不是又提供了一个“模型很全”的页面，而是把现代 LLM 的结构差，收成开发者能反复打开的对照表。这个模型是 Dense、MoE，还是 hybrid它主要改了注意力，还是改了专家层长上下文时，KV 看起来贵不贵和上一代比，换的是骨架还是训练配方下一步该去读，还是直接安排压测这个模型综合排名第几我这张 4090 / L20 一定能跑业务里中文效

avatar 2048 AI社区