ubuntu 安装cuda12.6和pytorch
时间: 2025-02-25 17:40:48 浏览: 263
### 安装 CUDA 12.6 和兼容的 PyTorch 版本
#### 准备工作
确保 Ubuntu 系统环境稳定,对于遇到频繁驱动安装错误或 CUDA 安装失败的情况,可能是由于最新的 Ubuntu 或者内核版本过高导致兼容性问题。如果初次尝试未果,考虑使用较为稳定的 Ubuntu 发行版可以减少不必要的麻烦[^1]。
#### 下载并安装 CUDA 12.6
为了获取特定版本的 CUDA 工具包,访问 NVIDIA 的官方页面选择适合系统的安装文件至关重要。针对希望安装 CUDA 12.6 的情况,在终端执行如下命令完成下载与安装:
```bash
wget https://developer.download.nvidia.com/compute/cuda/12.6.0/local_installers/cuda_12.6.0_525.60.13_linux.run
sudo sh cuda_12.6.0_525.60.13_linux.run
```
上述操作基于 runfile 文件形式进行安装,这种方式提供了较好的灵活性和控制力[^2]。
#### 设置环境变量
安装完成后需配置环境变量以便于后续开发工作的顺利开展。编辑 `~/.bashrc` 文件加入以下路径设置:
```bash
export PATH=/usr/local/cuda-12.6/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.6/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
```
使更改生效可运行 `source ~/.bashrc` 命令。
#### 安装合适的 PyTorch 版本
考虑到 PyTorch 对 CUDA 版本的支持范围有限制,确认目标 CUDA 版本后再决定 PyTorch 的具体版本非常重要。截至当前信息更新日期前,PyTorch 支持至 CUDA 12.4;因此即便已安装更高版本的 CUDA,仍推荐选用支持该 CUDA 版本的最大号 PyTorch 来保障稳定性[^3]。
利用国内镜像加速 PyTorch 及其依赖项的安装过程不失为明智之举。这里采用上海交通大学提供的 PyTorch pip 镜像源作为例子说明如何快速部署所需库:
```bash
pip install torch torchvision torchaudio --extra-index-url https://mirror.sjtu.edu.cn/pytorch-wheels/torch_stable.html
```
通过指定额外索引 URL 参数指向 SJTU 提供的服务地址实现高效下载[^4]。
阅读全文
相关推荐

















