ubuntu CUNDA11.8安装教程
时间: 2025-03-15 10:05:11 浏览: 69
### 如何在 Ubuntu 上安装 CUDA 11.8
#### 方法概述
在 Ubuntu 系统上安装 CUDA 11.8 可以通过多种方式进行,其中最常见的方式是从 NVIDIA 官方网站下载并运行安装程序[^2]。以下是具体的实现过程。
---
#### 准备工作
确保系统已经安装了兼容的 NVIDIA 驱动程序。推荐的方法是在软更新中直接安装 `535-server` 版本的驱动程序[^1]。如果未安装驱动程序,则可以通过以下命令完成安装:
```bash
sudo apt update
sudo apt install nvidia-driver-535
```
完成后重启计算机以使更改生效。
---
#### 下载 CUDA 工具包
访问 NVIDIA 的官方 CUDA 下载页面,并选择适合的操作系统版本和工具包版本。对于 Ubuntu 20.04 和 CUDA 11.8,可以执行如下命令来获取安装文件[^4]:
```bash
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
```
---
#### 执行安装脚本
赋予下载的 `.run` 文件可执行权限,并启动安装向导:
```bash
chmod +x cuda_11.8.0_520.61.05_linux.run
sudo ./cuda_11.8.0_520.61.05_linux.run
```
按照提示逐步完成安装配置。通常情况下,默认选项即可满足大多数需求。
---
#### 设置环境变量
为了让系统能够识别 CUDA 路径,在终端中编辑用户的 shell 配置文件(如 `.bashrc` 或 `.zshrc`),添加以下内容[^3]:
```bash
export PATH=/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
```
保存后重新加载配置文件:
```bash
source ~/.bashrc
```
验证设置是否成功:
```bash
nvcc --version
```
应显示已安装的 CUDA 版本号为 11.8。
---
#### 安装 cuDNN 库(可选)
cuDNN 是用于加速深度学习框架的重要库之一。可以从 NVIDIA 开发者门户网站下载对应于 CUDA 11.8 的 cuDNN 包,并将其解压至指定路径。具体操作如下:
1. 解压缩 cuDNN 压缩包;
2. 使用以下命令将头文件和动态链接库复制到 CUDA 安装目录下:
```bash
sudo cp include/cudnn*.h /usr/local/cuda-11.8/include/
sudo cp lib64/libcudnn* /usr/local/cuda-11.8/lib64/
sudo chmod a+r /usr/local/cuda-11.8/include/cudnn*.h
sudo chmod a+r /usr/local/cuda-11.8/lib64/libcudnn*
```
---
#### 测试安装
创建一个简单的 C++ 程序以测试 CUDA 是否正常工作。例如,编写一段代码打印设备信息:
```cpp
#include <iostream>
#include <cuda_runtime.h>
int main() {
int deviceCount;
cudaGetDeviceCount(&deviceCount);
std::cout << "Number of devices: " << deviceCount << "\n";
for(int i=0; i<deviceCount; ++i){
cudaDeviceProp prop;
cudaGetDeviceProperties(&prop, i);
std::cout << "Device Name: " << prop.name << "\n";
std::cout << "Total Global Memory: " << prop.totalGlobalMem/(1<<20) << " MB\n";
}
}
```
编译并运行该程序:
```bash
nvcc test_cuda.cu -o test_cuda.out
./test_cuda.out
```
如果一切顺利,应该可以看到 GPU 设备的相关属性输出。
---
阅读全文
相关推荐



















