ubuntu安装pytorch cuda cudnn

### 如何在Ubuntu上安装PyTorch并配置CUDA和CuDNN #### 准备工作 确保系统已更新至最新状态，并安装必要的依赖项。 ```bash sudo apt-get update && sudo apt-get upgrade -y sudo apt-get install build-essential cmake git pkg-config libgtk-3-dev \ libavcodec-dev libavformat-dev libswscale-dev python3-dev python3-numpy \ libtbb2 libtbb-dev libdc1394-22-dev ``` #### 安装NVIDIA驱动程序 为了使GPU能够被识别和支持，需先安装合适的NVIDIA显卡驱动。可以通过官方源获取稳定版本： ```bash ubuntu-drivers devices sudo ubuntu-drivers autoinstall ``` 重启计算机以应用更改后的驱动设置。 #### 安装CUDA Toolkit 对于特定版本的CUDA工具包，可以采用如下方式来完成安装过程[^1]： ```bash wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.run sudo sh cuda_12.1.0_530.30.02_linux.run ``` 注意，在安装过程中可以选择自定义选项，建议勾选除NSight Systems外的所有组件。 #### 配置环境变量 编辑`~/.bashrc`文件或根据实际情况调整为其他shell配置文件（如`.zshrc`），加入以下路径声明以便于后续操作[^2]： ```bash export PATH=/usr/local/cuda-12.1/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} source ~/.bashrc ``` 验证安装是否成功: ```bash nvcc --version nvidia-smi ``` #### 安装cuDNN库 前往[NVIDIA cuDNN](https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#download)页面下载对应版本的cuDNN压缩包，解压后复制到相应目录下： ```bash tar -xzvf cudnn-linux-x86_64-*.*-*-*.tgz sudo cp cuda/include/* /usr/local/cuda/include/ sudo cp cuda/lib64/* /usr/local/cuda/lib64/ sudo ldconfig ``` #### 使用pip安装PyTorch 最后一步就是通过Python pip工具直接安装预编译好的二进制版PyTorch及其依赖项。推荐使用虚拟环境中执行此步操作，这样能更好地管理项目所需的软件包集合。 ```bash conda create -n pytorch_env python=3.9 conda activate pytorch_env pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu121 ``` 上述命令会自动选择适合当前系统的PyTorch构建版本，其中包含了对CUDA 12.1的支持。