cuda安装12.2

### Ubuntu 20.04 下 CUDA 和 CuDNN 12.2 的安装指南 #### 准备工作 在开始之前，请确认以下条件已满足： - 已安装支持的 NVIDIA 显卡驱动程序，推荐版本为 `535.x` 或更高[^3]。 - 系统为 Ubuntu 20.04 LTS。 - 使用管理员权限执行操作。 --- #### 步骤一：更新系统并安装依赖项 确保系统的软件包是最新的，并安装必要的开发工具和库文件： ```bash sudo apt update && sudo apt upgrade -y sudo apt install build-essential cmake git libssl-dev -y ``` 此步骤会安装编译所需的工具链和其他必要组件[^4]。 --- #### 步骤二：下载并安装 CUDA Toolkit 12.2 访问 NVIDIA 官方网站获取最新的 CUDA Toolkit 安装器。以下是通过命令行完成安装的方法： 1. **下载 CUDA Installer** 执行以下命令以下载适用于 Linux 的 CUDA Toolkit 12.2 安装脚本： ```bash wget https://developer.download.nvidia.com/compute/cuda/12.2.0/local_installers/cuda_12.2.0_535.86.05_linux.run ``` 2. **赋予可执行权限并启动安装** ```bash sudo chmod +x cuda_12.2.0_535.86.05_linux.run sudo ./cuda_12.2.0_535.86.05_linux.run ``` 在安装过程中，可以选择仅安装 CUDA 软件包而不重新安装显卡驱动（如果已有最新版驱动）。注意选择默认路径 `/usr/local/cuda-12.2` 进行安装。 --- #### 步骤三：设置环境变量 编辑用户的 `.bashrc` 文件，添加 CUDA 到 PATH 中以便于调用： ```bash echo 'export PATH=/usr/local/cuda-12.2/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` 完成后可以通过以下命令验证是否成功加载： ```bash nvcc --version ``` 应显示 CUDA 版本号为 `12.2`[^4]。 --- #### 步骤四：下载并安装 cuDNN 库 cuDNN 是深度学习框架的重要加速库，需单独下载并与 CUDA 配合使用。 1. **注册并登录 NVIDIA 开发者账户** 访问 [NVIDIA cuDNN 页面](https://developer.nvidia.com/cudnn)，下载与 CUDA 12.2 兼容的 cuDNN 压缩包。 2. **解压并复制文件至 CUDA 目录** 解压缩后，将头文件和动态链接库拷贝到指定位置： ```bash tar -xzvf cudnn-linux-x86_64-*.*.*.* sudo cp include/cudnn*.h /usr/local/cuda-12.2/include/ sudo cp lib/*libcudnn*so* /usr/local/cuda-12.2/lib64/ sudo chmod a+r /usr/local/cuda-12.2/include/cudnn*.h /usr/local/cuda-12.2/lib64/libcudnn* ``` 以上命令假设您下载的是标准的 cuDNN 包结构[^2]。 --- #### 步骤五：验证安装 为了测试 CUDA 和 cuDNN 是否正常工作，可以运行官方提供的样例代码或编写简单的 Python 测试脚本。 1. **验证 CUDA 功能** 编译并运行示例程序： ```bash cd /usr/local/cuda-12.2/samples/1_Utilities/deviceQuery make ./deviceQuery ``` 如果一切正常，则会打印 GPU 设备信息。 2. **验证 cuDNN 支持** 创建一个简单的 TensorFlow 或 PyTorch 脚本来检测硬件加速功能： ```python import tensorflow as tf print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU'))) ``` 如果返回值大于零，则表明 GPU 加速可用[^1]。 --- #### 注意事项 - 若遇到重启后黑屏问题，可能是由于显卡驱动冲突引起。尝试禁用 Nouveau 内核模块来解决问题。 - 推荐定期检查 NVIDIA 官网是否有新版本发布，及时升级以获得最佳性能和支持。 ---

要安装 CUDA 12.2 和 cuDNN，您可以按照以下步骤进行操作： 1. CUDA 12.2的安装： - 前往NVIDIA官方网站（https://developer.nvidia.com/cuda-toolkit-archive）下载 CUDA Toolkit 12.2 的安装包。 - 根据您的操作系统选择合适的版本，并下载安装包。 - 运行安装包，按照提示进行安装。在安装过程中，可以选择自定义安装选项，根据需要选择所需的组件。 - 完成安装后，将 CUDA 的路径添加到系统环境变量中。您需要将 CUDA 安装目录下的 bin 和 lib64 文件夹添加到 PATH 和 LD_LIBRARY_PATH 环境变量中。 2. cuDNN 的安装： - 访问NVIDIA官方网站（https://developer.nvidia.com/cudnn）下载 cuDNN 的压缩包。请确保下载与您所安装的 CUDA 版本兼容的 cuDNN 版本。 - 解压下载的压缩包，并将包含头文件的文件夹复制到 CUDA 的安装路径下的 include 文件夹中。 - 将包含库文件的文件夹复制到 CUDA 的安装路径下的 lib64 文件夹中。 - 添加 cuDNN 的路径到系统环境变量中，将 cuDNN 的安装路径下的 bin 文件夹添加到 PATH 和 LD_LIBRARY_PATH 环境变量中。 完成上述步骤后，您应该已经成功安装了 CUDA 12.2 和 cuDNN。您可以验证安装是否成功，通过在终端中运行以下命令来检查 CUDA 的版本： ``` nvcc --version ``` 以及以下命令来检查 cuDNN 的版本： ``` cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2 ``` 请注意，这些步骤是一般指导，具体操作可能因您的系统和需求而有所不同。建议在安装之前查阅官方文档和相应的安装指南以获取更详细的信息。