cuDNN12.6安装包

### 如何在 Ubuntu 22.04 上安装 CUDA 12.6 和 cuDNN #### 准备工作 对于未曾安装过 CUDA 或 cuDNN 的 Ubuntu 22.04 系统而言，确保环境清洁无旧版本残留有助于新版本的成功部署[^3]。 #### 访问 NVIDIA CUDA 下载页面并获取资源 前往 NVIDIA 官方网站上的 CUDA Toolkit 下载页面，在该页面中指定操作系统为 Linux, 架构选作 x86_64, 发行版选择 Ubuntu, 版本号对应于当前使用的 Ubuntu 22.04 LTS, 并挑选 deb (network) 类型作为安装包形式来准备安装 CUDA 12.6 工具包[^1]。 #### 执行下载与初步配置命令 利用 `wget` 命令从网络位置拉取适用于目标系统的 CUDA 安装文件。随后借助超级用户权限通过 shell 来启动本地安装程序： ```bash sudo apt-get update wget https://developer.download.nvidia.com/compute/cuda/12.6.0/local_installers/cuda-repo-ubuntu2204-12-6-local_12.6.0-1_amd64.deb sudo dpkg -i cuda-repo-ubuntu2204-12-6-local_12.6.0-1_amd64.deb sudo cp /var/cuda-repo-ubuntu2204-12-6-local/cuda-*-keyring.gpg /usr/share/keyrings/ sudo apt-get update sudo apt-get -y install cuda ``` 上述操作完成后重启计算机使更改生效[^4]。 #### 配置环境变量 为了能够在终端直接调用 nvcc 编译器以及其他 CUDA 组件，需编辑用户的 `.bashrc` 文件加入如下路径设置： ```bash export PATH=/usr/local/cuda-12.6/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-12.6/lib64\ ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} source ~/.bashrc ``` #### 安装 cuDNN 库 完成 CUDA 的基础搭建之后便是集成深度学习所需的 cuDNN 加速库。这一步通常涉及注册成为开发者计划成员从而获得专属链接用于下载特定版本的 cuDNN tarball 归档文件。解压后将其内容复制到既有的 CUDA 目录下即可实现融合： ```bash tar xvzf cudnn-linux-x86_64-8.x.x_cuda12-archive.tar.xz sudo cp cudnn-linux-x86_64-8.x.x_cuda12-archive/include/* /usr/local/cuda-12.6/include/ sudo cp cudnn-linux-x86_64-8.x.x_cuda12-archive/lib/* /usr/local/cuda-12.6/lib64/ sudo ldconfig ``` 以上流程即完成了 CUDA 及其配套组件 cuDNN 在 Ubuntu 22.04 中的手动安装过程。

### Windows 平台 NVIDIA 显卡安装 CUDA 12.6 的操作步骤 #### 准备工作 确保计算机已配备兼容的 NVIDIA GPU 和最新的驱动程序。对于使用 GeForce RTX 2060 Super 这样的显卡，推荐先更新至稳定版图形驱动560.94[^3]。 #### 下载 CUDA Toolkit 访问[NVIDIA 官方网站](https://developer.nvidia.com/cuda-downloads)，依据操作系统选择合适的 CUDA 版本。针对此需求应挑选适用于 Windows 的 CUDA Toolkit 12.6。 #### 执行安装过程 启动下载好的安装包，遵循向导提示完成基本设置。建议勾选包含 cuDNN 库在内的全部组件以获得更全面的支持。 ```powershell # 如果遇到环境变量配置问题，可通过PowerShell手动添加路径 $env:Path += ";C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\bin" ``` #### 验证安装成功与否 打开命令提示符窗口并输入 `nvcc --version` 来确认编译器是否正常运作以及显示正确的版本号。 #### 测试 CUDA 功能性 编写一段简单的测试代码来验证新安装的 CUDA 是否能够正常使用： ```cpp // test_cuda.cu #include <stdio.h> __global__ void helloFromGPU(void) { printf("Hello World from GPU!\n"); } int main() { printf("Hello World from CPU\n"); helloFromGPU<<<1, 1>>>(); cudaDeviceSynchronize(); return 0; } ``` 编译上述源文件并通过命令行运行生成的应用程序，观察输出结果是否符合预期。