电脑安装cuda11.8

### 安装 CUDA 11.8 的方法 为了成功安装 CUDA 11.8，在 Ubuntu 22.04 系统环境下，以下是详细的说明： #### 准备工作 确保系统已更新至最新状态并满足依赖条件。运行以下命令来完成系统的升级和必要的包管理工具安装： ```bash sudo apt update && sudo apt upgrade -y sudo apt install build-essential cmake git libssl-dev -y ``` #### 下载 NVIDIA 驱动程序 NVIDIA 显卡驱动对于支持 CUDA 至关重要。可以通过官方 PPA 添加最新的显卡驱动版本[^1]。执行如下操作： ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update sudo ubuntu-drivers autoinstall ``` 重启计算机以应用新安装的驱动。 #### 安装 CUDA Toolkit 11.8 访问[NVIDIA 官方网站](https://developer.nvidia.com/cuda-downloads)，选择适合的操作系统以及对应的 CUDA 版本 (即 CUDA 11.8)[^2]。推荐采用.run 文件方式进行本地化安装而非.deb 方式，因为这样可以更灵活控制组件的选择。下载完成后按照提示逐步进行安装过程，并仅勾选 **CUDA Toolkit** 而不是其他附加选项如 Driver 或者 Demo Suite。 #### 设置环境变量 编辑 `~/.bashrc` 文件加入下面两行配置路径以便于后续调用 cuda 工具链正常运作： ```bash export PATH=/usr/local/cuda-11.8/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH ``` 使更改生效需重新加载 shell profile: ```bash source ~/.bashrc ``` #### 测试安装是否成功 验证 CUDA 是否正确安装的方法之一就是编译并运行简单的测试例子 nvcc hello.cu –o hello；如果一切顺利的话应该能够看到预期输出结果表明 GPU 编程框架已经就绪。 #### 结合 Conda 使用 PyTorch 和 YOLOv8 考虑到深度学习框架的需求，建议创建独立 conda 环境专门用于此项目开发。具体步骤可参照给定资料中的描述设置清华源加速软件包获取速度[^3][^4]: ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes conda create -n unet_cuda11.8_torch2.0.0 python=3.8 -c pytorch -c nvidia conda activate unet_cuda11.8_torch2.0.0 conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia ``` 最后克隆 yolov8 源码仓库继续下一步实验流程。