ubuntu20.04安装conda、cuda、cudnn、pytorch

### 安装准备 为了确保顺利安装Conda、CUDA、cuDNN以及PyTorch，在Ubuntu 20.04上的操作环境应当保持最新状态。更新现有软件包列表并升级已安装的软件包至最新版本： ```bash sudo apt update && sudo apt upgrade -y ``` ### 安装Miniconda或Anaconda 对于Python数据科学和机器学习开发者来说，推荐使用Miniconda来管理不同的开发环境。通过wget获取Miniconda脚本文件，并按照提示完成安装。 ```bash wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh ``` 初始化miniconda以便可以在shell中立即使用它[^2]。 ### 安装CUDA Toolkit 选择合适的CUDA版本取决于目标应用的需求和个人偏好。这里以CUDA 11.8为例说明具体步骤。首先从NVIDIA官方网站下载对应版本的本地安装器。 ```bash wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run chmod +x cuda_11.8.0_520.61.05_linux.run sudo ./cuda_11.8.0_520.61.05_linux.run ``` 注意：在运行安装程序时可以选择仅安装驱动或者全部组件；如果已经拥有最新的显卡驱动，则可以跳过这部分安装[^4]。 ### 配置环境变量 为了让系统能够识别新安装的CUDA工具链，需编辑`~/.bashrc`或其他相应的Shell配置文件，添加如下两行内容： ```bash export PATH=/usr/local/cuda-11.8/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 使更改生效: ```bash source ~/.bashrc ``` 验证安装成功与否可以通过nvcc命令查看编译器版本号[^1]。 ### 安装cuDNN库 同样地，根据所选的CUDA版本下载相匹配的cuDNN SDK压缩包。解压后将其中的头文件复制到CUDA include目录下，共享对象文件则放置于lib64子目录内。 ```bash tar xvzf cudnn-linux-x86_64-8.9.0.131_cuda11-archive.tar.xz sudo cp cuda/include/* /usr/local/cuda/include/ sudo cp cuda/lib64/* /usr/local/cuda/lib64/ ``` 再次刷新动态链接器缓存使得新的.so文件被加载[^5]。 ```bash sudo ldconfig ``` ### 创建Conda虚拟环境并与PyTorch集成 创建一个新的Python conda environment用于隔离不同项目的依赖关系冲突问题。激活该env之后利用pip install torch torchvision torchaudio指令快速部署好支持GPU加速运算能力的PyTorch框架实例。 ```bash conda create --name pytorch_env python=3.9 conda activate pytorch_env pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118 ``` 至此完成了整个流程的操作指南介绍。