ubantu上配置cuda和cudnn
时间: 2025-02-08 09:10:28 浏览: 47
### 安装和配置NVIDIA CUDA Toolkit
对于希望在Ubuntu操作系统上利用GPU加速计算的应用开发者来说,安装NVIDIA CUDA Toolkit是一个重要的步骤。为了确保顺利安装CUDA工具包,建议先确认系统已正确安装了适用于特定硬件的NVIDIA驱动程序[^1]。
#### 更新软件源列表并安装依赖项
首先更新本地APT缓存,并安装必要的依赖组件:
```bash
sudo apt update && sudo apt upgrade -y
sudo apt install build-essential cmake git unzip pkg-config libopencv-dev
```
#### 添加官方仓库密钥与地址
接着添加NVIDIA提供的GPG公钥到Apt信任存储中,并注册用于获取最新版本CUDA套件的PPA源:
```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
```
注意这里假设使用的是基于Focal Fossa (20.04 LTS) 的Ubuntu发行版;如果不是,则需调整URL中的`ubuntu2004`部分以匹配实际使用的版本号。
#### 执行CUDA安装过程
现在可以安全地继续执行完整的CUDA环境部署流程:
```bash
sudo apt-get install cuda
```
这一步骤会自动处理所有必需的依赖关系,并完成整个CUDA平台的基础设置工作。安装结束后记得重启计算机使更改生效。
### 配置CuDNN库
一旦完成了CUDA本身的搭建之后,就可以着手准备集成由英伟达提供的深层神经网络专用优化函数集——即CuDNN库。由于不同版本之间可能存在API差异,因此强烈推荐下载与当前所用CUDA相适配的具体版本[^3]。
访问[NVIDIA官方网站](https://developer.nvidia.com/rdp/cudnn-archive),登录账户后找到对应于已经安装好的CUDA版本号的目标CuDNN压缩包进行下载。例如当采用CUDA 9.0时应选择cuDNN v7.x系列。
下载完毕解压至临时位置后再运行如下指令来复制头文件及共享对象文件至全局可见路径下:
```bash
tar xvzf cudnn-linux-x86_64-*.*.*
sudo cp include/* /usr/local/cuda/include/
sudo cp lib/* /usr/local/cuda/lib64/
sudo ldconfig
```
最后别忘了赋予这些新加入资源适当的读取权限以便后续编译链接阶段能够正常调用它们:
```bash
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
```
至此便已完成了一次标准意义上的Linux环境下CUDA+CUDNN组合方案的手动构建任务。
阅读全文
相关推荐


















