GPU 是不是我选的那张卡？驱动和 CUDA 是否可用？PyTorch 是否真的在使用 GPU？磁盘、内存和网络是否满足任务？出问题时，我有没有留下足够的环境信息？把这几项做完，再启动训练、推理或渲染，通常比直接开跑更稳妥。先验机，后训练；先留证，后排障。本文中的命令用于通用 Linux/GPU 环境检查，具体输出会因操作系统、驱动、镜像和平台配置不同而变化。

最近要把一个 Qwen2-72B 的模型对外提供推理服务，本地那张 3090 直接劝退——72B 哪怕 4bit 量化也得 40G+ 显存，更别提并发了。折腾了一圈 vLLM，把部署流程和几个显存优化的坑记下来，给同样要上生产的人参考。