为什么好好的自动化流程放着不用呢，因为我感觉自动化流程有的时候有点bug，而且中间假如一个模块失败了重试有点麻烦。
另外就是如果你有几张一样的卡，你手动部署可以一次部署好几张卡。
以下内容是我根据项目源码拷打了一顿Opus4.5得出的部署文档，各位同仁可以参考，已经亲测可用。
另外从源码编译项目发现作者加入了磁盘管理的功能，狠狠期待一波。
关于软件识别
手动部署后ExHyperV 能识别。软件是通过 Hyper-V 的 PowerShell 命令 Get-VMGpuPartitionAdapter 来检测的。
完整手动执行指南
第一部分：宿主机（Windows）操作
步骤 1：配置虚拟机参数
打开 PowerShell（管理员），执行：
# 替换 '你的虚拟机名称' 为实际名称
$VMName = '你的虚拟机名称'
# 配置内存映射
Set-VM -GuestControlledCacheTypes $true -VMName $VMName
Set-VM -HighMemoryMappedIoSpace 64GB -VMName $VMName
Set-VM -LowMemoryMappedIoSpace 1GB -VMName $VMName
步骤 2：获取可用的 GPU 路径
# Windows 11 / Server 2022+
Get-VMHostPartitionableGpu | Select-Object Name
# Windows 10 / Server 2019
# Get-VMPartitionableGpu | Select-Object Name
输出类似：
\\?\PCI#VEN_10DE&DEV_2684&SUBSYS_...
步骤 3：添加 GPU 分区
# Windows 11（指定GPU路径）
Add-VMGpuPartitionAdapter -VMName $VMName -InstancePath '上一步获取的GPU路径'
# Windows 10（不需要指定路径）
# Add-VMGpuPartitionAdapter -VMName $VMName
步骤 4：启动虚拟机
第二部分：Linux 虚拟机操作
通过 SSH 连接到虚拟机。
步骤 1：安装基础依赖
sudo apt update
sudo apt install -y git curl dkms build-essential linux-headers-$(uname -r)
步骤 2：创建工作目录
mkdir -p ~/gpu-pv && cd ~/gpu-pv
步骤 3：下载并编译 dxgkrnl 模块
# 下载脚本
wget --no-check-certificate -O install_dxgkrnl.sh https://raw.githubusercontent.com/Justsenger/ExHyperV/main/src/Linux/script/install_dxgkrnl.sh
chmod +x install_dxgkrnl.sh
# 执行（忽略最后的检查错误）
sudo ./install_dxgkrnl.sh
⚠️ 如果脚本输出 STATUS: REBOOT_REQUIRED，需要重启后再次运行此脚本。
⚠️ 如果最后报错但日志显示 Installing to /lib/modules/...，说明实际成功了，继续下一步。
步骤 4：验证模块安装
# 检查模块文件
ls -la /lib/modules/$(uname -r)/updates/dkms/dxgkrnl.ko
# 加载模块
sudo modprobe dxgkrnl
# 验证
lsmod | grep dxgkrnl
ls -la /dev/dxg
步骤 5：从宿主机复制驱动文件
在 Windows 宿主机上，找到 GPU 驱动目录：
C:\Windows\System32\DriverStore\FileRepository\nv_dispsi.inf_amd64_xxxxxxxx\
方法 A：使用 SCP 命令（在 Windows PowerShell 中执行）
# 找到驱动目录
$DriverPath = Get-ChildItem "C:\Windows\System32\DriverStore\FileRepository" -Filter "nv_dispsi.inf_amd64_*" | Select-Object -First 1 -ExpandProperty FullName
# 复制到虚拟机（替换 用户名@IP）
scp -r $DriverPath 用户名@虚拟机IP:~/gpu-pv/drivers/
方法 B：使用 WinSCP 等图形化工具复制
步骤 6：复制核心库文件
如果宿主机安装了 WSL，从 C:\Windows\System32\lxss\lib\ 复制所有文件到虚拟机的 ~/gpu-pv/lib/
如果没有 WSL，在虚拟机中下载：
mkdir -p ~/gpu-pv/lib && cd ~/gpu-pv/lib
wget --no-check-certificate https://raw.githubusercontent.com/Justsenger/ExHyperV/main/src/Linux/lib/libd3d12.so
wget --no-check-certificate https://raw.githubusercontent.com/Justsenger/ExHyperV/main/src/Linux/lib/libd3d12core.so
wget --no-check-certificate https://raw.githubusercontent.com/Justsenger/ExHyperV/main/src/Linux/lib/libdxcore.so
步骤 7：部署驱动和库文件
# 创建系统目录
sudo mkdir -p /usr/lib/wsl/drivers /usr/lib/wsl/lib
# 复制驱动
sudo cp -r ~/gpu-pv/drivers/* /usr/lib/wsl/drivers/
# 复制库文件
sudo cp -a ~/gpu-pv/lib/* /usr/lib/wsl/lib/
# 创建符号链接
sudo ln -sf /usr/lib/wsl/lib/libd3d12core.so /usr/lib/wsl/lib/libD3D12Core.so
# 设置权限
sudo chmod -R 0555 /usr/lib/wsl
sudo chown -R root:root /usr/lib/wsl
# 配置动态库路径
echo "/usr/lib/wsl/lib" | sudo tee /etc/ld.so.conf.d/ld.wsl.conf
sudo ldconfig
步骤 8：配置内核模块自动加载
# vgem 模块
echo "vgem" | sudo tee /etc/modules-load.d/vgem.conf
sudo modprobe vgem
# dxgkrnl 延迟加载（避免启动冲突）
echo "blacklist dxgkrnl" | sudo tee /etc/modprobe.d/blacklist-dxgkrnl.conf
# 创建延迟加载脚本
sudo tee /usr/local/bin/load_dxg_driver.sh > /dev/null << 'EOF'
#!/bin/bash
modprobe dxgkrnl
if [ -e /dev/dxg ]; then
chmod 666 /dev/dxg
fi
EOF
sudo chmod +x /usr/local/bin/load_dxg_driver.sh
# 创建 systemd 服务
sudo tee /etc/systemd/system/load-dxg-late.service > /dev/null << 'EOF'
[Unit]
Description=Late load dxgkrnl
After=multi-user.target
[Service]
Type=oneshot
ExecStart=/usr/local/bin/load_dxg_driver.sh
[Install]
WantedBy=multi-user.target
EOF
# 启用服务
sudo systemctl daemon-reload
sudo systemctl enable load-dxg-late.service
# 更新 initramfs
sudo update-initramfs -u步骤 9：重启
第三部分：验证
重启后 SSH 连接，执行：
# 检查模块
lsmod | grep dxgkrnl
# 检查设备
ls -la /dev/dxg
# 检查驱动目录
ls -la /usr/lib/wsl/drivers/ | head -20
ls -la /usr/lib/wsl/lib/
# 测试 nvidia-smi（如果有）
nvidia-smi
# 测试 PyTorch CUDA
python3 << 'EOF'
import torch
print(f"CUDA available: {torch.cuda.is_available()}")
if torch.cuda.is_available():
print(f"Device name: {torch.cuda.get_device_name(0)}")
print(f"Device count: {torch.cuda.device_count()}")
EOF
总结
| 步骤 |
位置 |
说明 |
| 1-4 |
Windows |
配置 Hyper-V GPU 分区 |
| 5-9 |
Linux |
安装 dxgkrnl + 部署驱动 |
| 10 |
Linux |
验证 |
完成后，ExHyperV 工具会自动识别到你已经为该虚拟机分配了 GPU 分区。
为什么好好的自动化流程放着不用呢，因为我感觉自动化流程有的时候有点bug，而且中间假如一个模块失败了重试有点麻烦。
另外就是如果你有几张一样的卡，你手动部署可以一次部署好几张卡。
以下内容是我根据项目源码拷打了一顿Opus4.5得出的部署文档，各位同仁可以参考，已经亲测可用。
另外从源码编译项目发现作者加入了磁盘管理的功能，狠狠期待一波。
关于软件识别
手动部署后ExHyperV 能识别。软件是通过 Hyper-V 的 PowerShell 命令
Get-VMGpuPartitionAdapter来检测的。完整手动执行指南
第一部分：宿主机（Windows）操作
步骤 1：配置虚拟机参数
打开 PowerShell（管理员），执行：
步骤 2：获取可用的 GPU 路径
输出类似：
步骤 3：添加 GPU 分区
步骤 4：启动虚拟机
第二部分：Linux 虚拟机操作
通过 SSH 连接到虚拟机。
步骤 1：安装基础依赖
sudo apt update sudo apt install -y git curl dkms build-essential linux-headers-$(uname -r)步骤 2：创建工作目录
步骤 3：下载并编译 dxgkrnl 模块
步骤 4：验证模块安装
步骤 5：从宿主机复制驱动文件
在 Windows 宿主机上，找到 GPU 驱动目录：
方法 A：使用 SCP 命令（在 Windows PowerShell 中执行）
方法 B：使用 WinSCP 等图形化工具复制
步骤 6：复制核心库文件
如果宿主机安装了 WSL，从
C:\Windows\System32\lxss\lib\复制所有文件到虚拟机的~/gpu-pv/lib/如果没有 WSL，在虚拟机中下载：
步骤 7：部署驱动和库文件
步骤 8：配置内核模块自动加载
步骤 9：重启
第三部分：验证
重启后 SSH 连接，执行：
总结
完成后，ExHyperV 工具会自动识别到你已经为该虚拟机分配了 GPU 分区。