ubuntu安装cuda教程

### 如何在 Ubuntu 20.04 上安装 CUDA 的教程 #### 准备工作 确保系统已更新至最新状态，并卸载任何可能存在的旧版本 NVIDIA 驱动程序或 CUDA 工具包。可以运行以下命令来完成系统的升级： ```bash sudo apt update && sudo apt upgrade -y ``` #### 下载并安装 NVIDIA 驱动程序 NVIDIA 驱动程序是 CUDA 运行的基础环境之一。可以通过官方推荐的方式下载驱动程序，或者通过 `apt` 命令自动安装适合的驱动版本。 如果选择手动方式，则可以从 NVIDIA 官方网站获取对应版本的驱动程序安装脚本[^1]。例如，对于 CUDA 11.7 版本，可以选择合适的 GPU 驱动版本（如 515.43.04），并通过以下命令执行安装： ```bash wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run sudo sh cuda_11.7.0_515.43.04_linux.run ``` #### 安装 CUDA Toolkit CUDA Toolkit 提供了开发和优化 GPU 加速应用程序所需的工具链。按照引用中的说明，可以直接使用本地 Runfile 方式进行安装。具体操作如下： 1. **下载 CUDA Runfile** 使用 wget 或浏览器访问链接下载对应的安装文件： ```bash wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run ``` 2. **赋予可执行权限** 对于下载好的 `.run` 文件，需要设置其为可执行文件： ```bash chmod +x cuda_11.7.0_515.43.04_linux.run ``` 3. **启动安装过程** 执行该脚本即可开始安装流程。注意，在此过程中可以根据提示选择是否安装 NVIDIA 驱动以及组件的选择。 ```bash sudo ./cuda_11.7.0_515.43.04_linux.run ``` #### 设置环境变量 为了使编译器能够找到 CUDA 库路径，需配置相应的环境变量。编辑用户的 shell profile 文件（通常是 ~/.bashrc）并添加以下内容： ```bash export PATH=/usr/local/cuda-11.7/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64:$LD_LIBRARY_PATH ``` 随后重新加载配置文件使其生效： ```bash source ~/.bashrc ``` #### 测试安装结果 验证 CUDA 是否成功安装的一个简单方法就是尝试编译并运行一个示例项目。进入 `/usr/local/cuda/samples/1_Utilities/deviceQuery` 目录下构建测试样例： ```bash cd /usr/local/cuda-11.7/samples/1_Utilities/deviceQuery make ./deviceQuery ``` 如果一切正常的话，“deviceQuery” 将会返回有关当前硬件设备的信息列表。 #### cuDNN 的安装 cuDNN 是一种针对深度神经网络的高度优化库集合，通常与 TensorFlow 和 PyTorch 等框架配合使用。基于 Debian 软件包管理机制下的 cuDNN 可以方便快捷地集成到现有环境中[^2][^3]。以下是几个关键步骤概述： 1. 添加 NVIDIA APT Repository 并导入 GPG 密钥； 2. 更新软件源索引表； 3. 明确指定要安装的具体版本号及其依赖关系，比如 libcudnn8=8.9.6.50-1+cuda11.8 系列产品组成员。 最后一步可通过这些命令实现： ```bash sudo apt-get install libcudnn8=8.9.6.50-1+cuda11.8 \ libcudnn8-dev=8.9.6.50-1+cuda11.8 \ libcudnn8-samples=8.9.6.50-1+cuda11.8 ``` ---

在Ubuntu 24.04上安装CUDA需要遵循一系列步骤，以确保系统环境与NVIDIA驱动兼容，并正确配置CUDA Toolkit。以下是详细的安装指南： ### 准备工作 1. **确认硬件支持**：确保你的GPU支持CUDA。你可以通过访问[NVIDIA CUDA GPUs页面](https://developer.nvidia.com/cuda-gpus)来查看支持的设备列表。 2. **安装NVIDIA驱动**：在安装CUDA之前，必须先安装正确的NVIDIA显卡驱动。你可以参考《AIGC | 为机器学习工作站安装NVIDIA 4070 Ti Super显卡驱动》一文中的步骤进行安装[^4]。 ### 安装CUDA Toolkit #### 方法一：使用官方.deb包安装（推荐） 1. **下载CUDA Toolkit**： 访问[NVIDIA CUDA Toolkit下载页面](https://developer.nvidia.com/cuda-downloads)，选择适用于Ubuntu 24.04的版本并下载`.deb`安装包。 2. **安装依赖项**： 在继续之前，请确保系统已更新，并且安装了必要的库文件： ```bash sudo apt update && sudo apt upgrade -y sudo apt install linux-headers-$(uname -r) ``` 3. **添加仓库并安装CUDA**： 执行以下命令来安装CUDA Toolkit： ```bash sudo dpkg -i cuda-repo-ubuntu2404-<version>_amd64.deb sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/7fa2af80.pub sudo apt-get update sudo apt-get install cuda ``` 其中`<version>`应替换为你从网站下载的具体版本号。 4. **设置环境变量**： 编辑`~/.bashrc`或`~/.zshrc`（根据你使用的shell）文件，添加以下行： ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 然后运行： ```bash source ~/.bashrc # 或者 source ~/.zshrc ``` 5. **验证安装**： 检查CUDA是否成功安装： ```bash nvcc --version nvidia-smi ``` #### 方法二：从.run文件手动安装 1. **禁用开源驱动nouveau**： 创建一个新的配置文件以阻止nouveau加载： ```bash echo blacklist nouveau > /etc/modprobe.d/blacklist-nvidia-nouveau.conf echo options nouveau modeset=0 >> /etc/modprobe.d/blacklist-nvidia-nouveau.conf sudo update-initramfs -u ``` 2. **重启进入文本模式**： 重启计算机并在GRUB菜单中选择恢复模式或者编辑启动参数添加`text`关键字以进入文本模式。 3. **执行.run脚本**： 下载对应的CUDA `.run` 文件后，赋予可执行权限并运行： ```bash chmod +x cuda_<version>_linux.run ./cuda_<version>_linux.run ``` 在安装过程中，可以选择仅安装驱动程序、工具包等选项。 4. **后续步骤**： 完成安装后重复上述“设置环境变量”和“验证安装”的步骤。 ### 验证CUDA示例程序 安装完成后可以编译并运行一个简单的CUDA程序来测试环境是否正常工作： ```cpp #include <stdio.h> __global__ void kernel() { printf("Hello from GPU!\n"); } int main() { kernel<<<1, 1>>>(); cudaDeviceReset(); return 0; } ``` 保存为`hello.cu`，然后使用`nvcc`编译并运行： ```bash nvcc hello.cu -o hello ./hello ``` 如果一切顺利，你应该会看到输出`Hello from GPU!`。 ---