ubuntu20.04下CUUUUUUUUUUUUUUUUUUU

### Ubuntu 20.04 CUDA 安装配置及常见问题解决 #### 一、安装前准备 在开始安装之前，需确认系统环境已满足基本需求。建议先更新系统的软件包列表以及升级现有软件包： ```bash sudo apt update && sudo apt upgrade -y ``` 为了防止显卡驱动冲突，需要禁用 `nouveau` 驱动程序[^1]。 编辑 `/etc/modprobe.d/blacklist-nouveau.conf` 文件并添加以下内容： ```bash blacklist nouveau options nouveau modeset=0 ``` 随后执行以下命令使更改生效： ```bash sudo update-initramfs -u reboot ``` #### 二、安装 NVIDIA 显卡驱动 推荐通过官方 PPA 或者 `.run` 文件来安装最新的 NVIDIA 驱动程序。以下是基于 APT 的方式： 添加 NVIDIA 软件源： ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update ``` 查询适合的驱动版本号，并完成安装： ```bash ubuntu-drivers devices sudo apt install nvidia-driver-{version} ``` 其中 `{version}` 是具体版本号，例如 `525` 表示安装第 525 版本的驱动。 重启计算机以加载新驱动： ```bash sudo reboot ``` 验证驱动是否成功安装： ```bash nvidia-smi ``` 如果显示 GPU 使用情况，则说明驱动正常工作。 #### 三、CUDA 工具链安装 下载对应版本的 CUDA Toolkit 安装文件。可以通过官网获取本地安装器或者使用 DEB 包形式简化流程[^2]。 ##### 方法 1：DEB 包管理工具 访问 [NVIDIA CUDA 下载页面](https://developer.nvidia.com/cuda-downloads)，选择 Linux -> x86_64 -> Ubuntu 20.04 并按照提示操作。 运行下列指令依次完成设置： ```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 ``` ##### 方法 2：Runfile 方式 此方法适用于更复杂的定制化场景。假设目标版本为 CUDA 12.4[^4]: ```bash wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run chmod +x cuda_12.4.0_550.54.14_linux.run sudo ./cuda_12.4.0_550.54.14_linux.run --override ``` 注意，在交互界面中应仅保留驱动部分不被覆盖重写。 最后调整 PATH 和 LD_LIBRARY_PATH 变量以便全局调用编译器及相关库函数： ```bash echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` #### 四、cuDNN 库集成 从[NVIDIA cuDNN Archive](https://developer.nvidia.com/rdp/cudnn-archive) 中挑选匹配当前 CUDA 版本的压缩包进行解压部署[^3]: 提取 tarball 后将其拷贝至相应目录下： ```bash tar -xzvf cudnn-linux-x86_64-*.*-*-*.tgz sudo cp cuda/include/cudnn*.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* ``` 重新构建动态链接缓存表单： ```bash sudo ldconfig ``` #### 五、PyTorch 等框架支持 确保 PyTorch 支持所选 CUDA 版本后可通过 pip 实现快速引入： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 ``` 此处 URL 参数取决于实际使用的 CUDA 编号，请参照官方文档选取适配项。 --- #### 常见错误排查指南 1. **无法识别 GPU 设备** 如果 `nvidia-smi` 报错可能是由于未完全卸除旧版驱动所致，尝试清理残留组件后再试一次。 2. **缺少依赖关系** 当遇到类似 “No package ‘libcublas’ found” 提醒时，可能遗漏某些子模块安装步骤，返回至上一步核查清单完整性。 3. **路径变量丢失** 若终端反馈找不到 nvcc 命令字面意义即开发套件尚未加入 shell session，检查 .bashrc 是否正确追加 export 条目。 ---