ubuntu安装cuda和pytorch版本对应

### Ubuntu 下 CUDA 与 PyTorch 的版本兼容性及安装教程 #### 兼容性概述 在构建深度学习环境时，确保操作系统、CUDA 和 PyTorch 的版本相互兼容是非常重要的。Ubuntu 20.04 被广泛认为是一个稳定的选择，因为它提供了较低版本的显卡驱动程序，这使得它更容易与特定版本的 CUDA 和 PyTorch 进行匹配[^1]。 以下是常见的 Ubuntu、CUDA 和 PyTorch 版本组合： | **Ubuntu** | **CUDA** | **PyTorch** | |------------|-------------|--------------| | 20.04 | 11.3 | 1.10 | | 20.04 | 11.7 | 1.12 | | 22.04 | 11.8 | 1.13 | 上述表格中的版本经过测试能够较好地协同工作。 --- #### 安装步骤 ##### 1. 更新系统并安装依赖项 在开始之前，请先更新您的 Ubuntu 系统，并安装必要的开发工具和库文件： ```bash sudo apt update && sudo apt upgrade -y sudo apt install -y build-essential cmake git unzip pkg-config libopenblas-dev liblapack-dev python3-numpy python3-scipy python3-matplotlib python3-yaml ``` 此操作将为后续的软件包安装提供基础支持[^2]。 ##### 2. 安装 NVIDIA 驱动程序 为了使 GPU 加速生效，您需要安装适合硬件的 NVIDIA 显卡驱动程序。可以通过以下命令自动检测并安装最新的驱动程序： ```bash sudo ubuntu-drivers autoinstall ``` 完成后重启计算机以加载新的驱动程序。 验证驱动程序是否正确安装： ```bash nvidia-smi ``` 如果显示了 GPU 使用情况，则说明驱动已成功安装[^3]。 ##### 3. 安装 CUDA 工具包 根据目标 PyTorch 版本选择对应的 CUDA 版本。例如，如果您计划使用 PyTorch 1.10，则应安装 CUDA 11.3。 下载地址可以从官方 CUDA 页面获取。或者通过 APT 包管理器完成安装： ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get -y install cuda-11-3 ``` 设置环境变量以便于访问 CUDA 命令： ```bash echo 'export PATH=/usr/local/cuda-11.3/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` 验证 CUDA 是否正常运行： ```bash nvcc --version ``` ##### 4. 安装 cuDNN (可选) cuDNN 是一种用于优化深度神经网络性能的库。通常情况下，PyTorch 自带的功能已经足够满足大多数需求；但如果需要更高的效率，可以选择手动安装 cuDNN。 从 NVIDIA 开发者网站下载适用于所选 CUDA 版本的 cuDNN 文件，并按照文档指示解压到 `/usr/local/cuda` 中。 ##### 5. 安装 PyTorch 前往 [PyTorch 官方页面](https://pytorch.org/get-started/previous-versions/) 查找历史版本信息。假设我们需要安装 PyTorch 1.10 并搭配 Python 3.x 和 CUDA 11.3，执行如下 pip 命令即可： ```bash pip install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio===0.10.0 -f https://download.pytorch.org/whl/torch_stable.html ``` 注意替换 `torch`, `torchvision`, 和其他组件的具体版本号来适应不同的配置需求。 ##### 6. 测试 GPU 支持状态 最后一步是确认 GPU 功能已被激活。打开 Python 解释器并输入以下脚本来检查设备可用性和具体型号： ```python import torch print(f"CUDA Available: {torch.cuda.is_available()}") print(f"Device Count: {torch.cuda.device_count()}") print(f"Current Device Name: {torch.cuda.get_device_name(0)}") ``` 当输出表明存在至少一块活动的 GPU 设备时，即代表整个流程顺利完成。 --- ###