cuda12.6对应的cudnn版本ubuntu

### 如何在 Ubuntu 22.04 上安装 CUDA 12.6 和 cuDNN #### 准备工作 对于未曾安装过 CUDA 或 cuDNN 的 Ubuntu 22.04 系统而言，确保环境清洁无旧版本残留有助于新版本的成功部署[^3]。 #### 访问 NVIDIA CUDA 下载页面并获取资源 前往 NVIDIA 官方网站上的 CUDA Toolkit 下载页面，在该页面中指定操作系统为 Linux, 架构选作 x86_64, 发行版选择 Ubuntu, 版本号对应于当前使用的 Ubuntu 22.04 LTS, 并挑选 deb (network) 类型作为安装包形式来准备安装 CUDA 12.6 工具包[^1]。 #### 执行下载与初步配置命令 利用 `wget` 命令从网络位置拉取适用于目标系统的 CUDA 安装文件。随后借助超级用户权限通过 shell 来启动本地安装程序： ```bash sudo apt-get update wget https://developer.download.nvidia.com/compute/cuda/12.6.0/local_installers/cuda-repo-ubuntu2204-12-6-local_12.6.0-1_amd64.deb sudo dpkg -i cuda-repo-ubuntu2204-12-6-local_12.6.0-1_amd64.deb sudo cp /var/cuda-repo-ubuntu2204-12-6-local/cuda-*-keyring.gpg /usr/share/keyrings/ sudo apt-get update sudo apt-get -y install cuda ``` 上述操作完成后重启计算机使更改生效[^4]。 #### 配置环境变量 为了能够在终端直接调用 nvcc 编译器以及其他 CUDA 组件，需编辑用户的 `.bashrc` 文件加入如下路径设置： ```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}} source ~/.bashrc ``` #### 安装 cuDNN 库 完成 CUDA 的基础搭建之后便是集成深度学习所需的 cuDNN 加速库。这一步通常涉及注册成为开发者计划成员从而获得专属链接用于下载特定版本的 cuDNN tarball 归档文件。解压后将其内容复制到既有的 CUDA 目录下即可实现融合： ```bash tar xvzf cudnn-linux-x86_64-8.x.x_cuda12-archive.tar.xz sudo cp cudnn-linux-x86_64-8.x.x_cuda12-archive/include/* /usr/local/cuda-12.6/include/ sudo cp cudnn-linux-x86_64-8.x.x_cuda12-archive/lib/* /usr/local/cuda-12.6/lib64/ sudo ldconfig ``` 以上流程即完成了 CUDA 及其配套组件 cuDNN 在 Ubuntu 22.04 中的手动安装过程。

### WSL2 上安装和配置 CUDA 12.6 和 cuDNN #### 准备工作 确保已经正确设置了 Windows Subsystem for Linux (WSL2)，并选择了 Ubuntu 发行版作为操作环境。 #### 安装 CUDA 12.6 为了在 WSL2 的 Ubuntu 中安装 CUDA 12.6，可以按照如下方法执行： 通过命令行工具来获取最新的 NVIDIA 驱动程序支持以及设置必要的依赖项。接着利用 `pip` 来简化软件包管理过程，具体指令如下所示[^1]： ```bash sudo apt-get update && sudo apt-get upgrade -y distribution=$(. /etc/os-release;echo $ID$VERSION_ID) wget https://developer.download.nvidia.com/compute/cuda/repos/$distribution/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get -y install cuda-drivers ``` 完成上述步骤之后，继续安装特定版本的 CUDA 工具包： ```bash sudo apt-get install -y cuda-toolkit-12-6 export PATH=/usr/local/cuda-12.6/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-12.6/lib64\ ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 验证安装是否成功的命令为： ```bash nvcc -V ``` 这一步骤会显示出编译器的具体信息及其所对应的 CUDA 版本号，确认其为预期中的 12.6 即表示安装无误[^2]。 #### 安装 cuDNN 对于 CUDA 12.6 而言，应该选择兼容此版本的 cuDNN 库。这里推荐采用 Python 包的形式来进行快速部署： ```bash pip install nvidia-cudnn-cu12 ``` 注意这里的 `-cu12` 后缀表明该库适用于 CUDA 12.x 系列；如果之前已安装过其他版本则需先卸载旧版本再重新安装新版本以避免冲突。 最后记得重启终端使所有的更改生效，并可通过导入 TensorFlow 或 PyTorch 这样的框架进一步检验 GPU 加速功能是否正常运作。