ubuntu安装cuda和cudnn

### 安装 CUDA 和 cuDNN 的步骤 #### 准备工作 在开始安装之前，建议先更新系统的软件包列表并确保已安装必要的依赖项。 ```bash sudo apt update && sudo apt upgrade -y sudo apt install build-essential ``` #### 下载与安装 CUDA Toolkit 对于 Ubuntu 系统而言，可以通过运行 NVIDIA 提供的本地安装程序来完成 CUDA Toolkit 的部署。具体操作如下： 下载适用于目标平台版本的 CUDA Installer 文件[^1]： ```bash wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.run ``` 赋予该文件可执行权限，并启动安装向导: ```bash chmod +x cuda_12.1.0_530.30.02_linux.run sudo ./cuda_12.1.0_530.30.02_linux.run ``` 注意，在此过程中可以选择仅安装驱动器、工具包或两者都安装；如果已经拥有合适的 GPU 驱动，则可以跳过驱动部分的重新安装。 #### 设置环境变量 为了使编译器和其他命令能够找到新安装的 CUDA 工具链，需修改用户的 shell profile 文件（如 `.bashrc` 或者 `.zshrc`），添加以下路径设置: ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH source ~/.bashrc # 刷新当前终端会话中的更改 ``` #### 获取 cuDNN 库 访问[NVIDIA cuDNN 页面](https://developer.nvidia.com/rdp/form/cudnn-download-survey)，注册账号后即可获取不同版本的 cuDNN 归档文件链接。这里假设下载的是针对特定架构和 CUDA 版本组合打包好的 tarball 文件[^2]。 解压归档并将头文件及共享库复制到适当位置: ```bash tar -xvf cudnn-linux-x86_64-8.x.x.x_cudaX.Y-archive.tar.xz sudo cp cudnn-*-archive/include/* /usr/local/cuda/include/ sudo cp cudnn-*-archive/lib/* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/* sudo chmod a+r /usr/local/cuda/lib64/* ``` 以上就是完整的 CUDA 和 cuDNN 在 Ubuntu 上的手动安装流程说明。通过上述方法可以获得最新稳定版的支持，同时也便于管理和维护自定义构建的应用程序开发环境。

### 在 Ubuntu 上安装 CUDA 和 cuDNN 的方法 #### 1. 安装 NVIDIA 驱动程序 在安装 CUDA 之前，需要先确保系统已经正确安装了兼容的 NVIDIA 显卡驱动程序。可以通过以下命令检查显卡型号及其驱动状态： ```bash nvidia-smi ``` 如果未安装驱动或者版本不匹配，则需按照官方文档中的指导进行安装[^4]。 #### 2. 添加 CUDA 软件仓库并安装 CUDA Toolkit 为了简化依赖关系处理流程，推荐采用官方提供的 .deb 文件形式完成 CUDA toolkit 的部署工作。 - 下载适用于目标平台架构类型的 `.deb` 包； - 导入公共 GPG key 并配置 apt source list 条目以便后续操作更加顺畅高效; - 运行标准包管理工具完成实际组件安裝过程. 具体步骤如下所示: ##### （1）注册 NVIDIA 开发者账户并访问下载页面 前往 [NVIDIA Developer Zone](https://developer.nvidia.com/) 登录个人账号后找到对应版本链接地址。 ##### （2）获取适合当前系统的 DEB 包资源路径 例如针对 ubuntu focal(20.04),可能形如下面这样的 URL 地址: ```text https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.0-1_all.deb ``` ##### （3）执行必要的准备工作 利用 wget 获取远程文件至本地存储位置,接着调用 dpkg 命令加载密钥环信息进入环境变量当中去. ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/<distro>/<arch>/cuda-keyring_<version>_all.deb sudo dpkg -i cuda-keyring_<version>_all.deb ``` ##### （4）刷新缓存数据结构体之后再实施最终环节 此时应该能够顺利检索到来自 nVidia 提供的新镜像源列表项啦!让我们赶紧试试看吧~ ```bash sudo apt-get update && sudo apt-get install -y cuda ``` 至此为止,CUDA 工具集就已经被成功引入到了我们的开发环境中咯~接下来我们还需要做一些额外的小事情哦~ #### 3. 设置环境变量 为了让编译器以及其他应用程序可以正常寻址到刚才新加入的内容模块里头的东西们呀~,我们需要手动编辑 profile 文件添加几条记录进去才行呢! 打开终端窗口键入 nano ~/.bashrc 启动文本编辑模式，在最底部追加类似这样的一组设定语句即可满足需求啦！记得保存修改后的成果哟～ ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 最后一步别忘了重新加载一遍生效规则哈！不然的话刚刚做的那些努力可就白费喽～ ```bash source ~/.bashrc ``` #### 4. 安装 cuDNN 库 cuDNN 是由 NVIDIA 维护的一个深度学习 GPU 加速库集合，它能显著提升 TensorFlow、PyTorch 等框架下的训练速度表现。这里介绍一种简便的方式来进行集成绑定操作： 同样地也是先进入开发者中心定位好自己所需要的发行号段位数等等参数条件之后点击 download button 下来得到压缩包格式的数据资料。解压出来以后只需要简单粗暴地把里面的 header definition files 复制粘贴过去指定好的 include 子目录下边就好了嘛～ 当然也可以直接运行 shell scripting 自动化脚本实现相同效果咧～就像这样子一样滴～ ```bash sudo cp ./include/cudnn*.h /usr/local/cuda/include/ sudo cp lib/*libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/lib64/*libcudnn* ``` 到这里整个流程就算是圆满结束了撒花庆祝一下呗！！！ --- ###