在 Ubuntu 22.04 系统（CUDA 12.9）中，通过本地DEB 包安装 cuDNN 9.13.0 的方法步骤

原创于 2025-11-07 08:45:59 发布 · 602 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#ubuntu #linux #人工智能 #运维 #服务器 #cuda #cudnn

AI人工智能同时被 3 个专栏收录

82 篇文章

订阅专栏

AI服务器

82 篇文章

订阅专栏

AI编程

82 篇文章

订阅专栏

以下是在 Ubuntu 22.04 系统（CUDA 12.9）中，通过本地单个 DEB 包安装 cuDNN 9.13.0 的完整步骤，核心包含 GPG 密钥配置与包安装验证，确保每一步可执行。

一、安装前核心检查（必做）

确保系统已满足基础条件，避免安装失败：

验证 CUDA 版本：打开终端执行命令，确认当前 CUDA 版本为 12.9（需与 cuDNN 9.13.0 兼容）。
```
nvcc -V  # 或 nvcc --version
```
若提示 “nvcc: command not found”，需先配置 CUDA 环境变量（执行 source /usr/local/cuda-12.9/bin/activate，或重启终端）。
确认 CUDA 安装路径：默认路径为 /usr/local/cuda-12.9，后续步骤需基于此路径操作。
准备本地 DEB 包：确保已下载 cuDNN 9.13.0 的单个 DEB 包（命名格式通常为 cudnn-local-repo-ubuntu2204-9.13.0_1.0-1_amd64.deb），并记录其保存路径（如 ~/Downloads/，即 “下载” 文件夹）。

下载 cuDNN 本地 deb 安装包

wget https://developer.download.nvidia.com/compute/cudnn/9.13.0/local_installers/cudnn-local-repo-ubuntu2204-9.13.0_1.0-1_amd64.deb

作用：通过 wget 工具下载 Ubuntu 22.04 对应的 cuDNN 9.13.0 本地仓库包（deb 格式）。
若下载失败：可直接复制链接到浏览器下载，再将 deb 包传到 Ubuntu 系统（如用scp命令）。

二、安装步骤（分 4 步）

步骤 1：安装本地 DEB 包（导入软件源）

通过 dpkg 命令安装本地 DEB 包，该包的作用是将 cuDNN 的官方软件源添加到系统中（而非直接安装 cuDNN 库文件）。

打开终端（快捷键 Ctrl+Alt+T），切换到 DEB 包所在目录（以 “下载” 文件夹为例）：
```
cd ~/Downloads/
```
执行安装命令（将文件名替换为你的实际 DEB 包名）：
```
sudo dpkg -i cudnn-local-repo-ubuntu2204-9.13.0_1.0-1_amd64.deb
```
输入系统密码（输入时无明文显示，输完按回车），等待命令执行完成（无报错即成功）。

作用：dpkg -i 用于安装本地 deb 包，此步骤会在 /var/ 目录下创建 cuDNN 本地仓库（含包索引和密钥）。
若报错 “依赖缺失”：执行 sudo apt -f install 修复依赖后，重新执行此命令。

步骤 2：导入 GPG 密钥（验证软件源合法性）

cuDNN 软件源需通过 GPG 密钥验证，确保后续下载的文件未被篡改。密钥文件已通过步骤 1 的 DEB 包解压到系统目录，直接导入即可：

执行密钥导入命令（路径与 CUDA 版本绑定，12.9 对应路径如下）：
```
sudo cp /var/cudnn-local-repo-ubuntu2204-9.13.0/cudnn-*-keyring.gpg /usr/share/keyrings/
```
命令中 * 为通配符，会自动匹配密钥文件名（无需手动修改）。
更新系统软件源缓存，使新添加的 cuDNN 源生效：
```
sudo apt update
```
等待更新完成（若提示 “命中” 包含 cudnn-local-repo 的源，说明密钥导入成功）。

步骤 3：安装 cuDNN 库文件（核心步骤）

通过 apt 命令从已添加的软件源中，安装 cuDNN 9.13.0 的核心库（含开发文件、运行时文件等，会自动适配 CUDA 12.9）：
执行以下命令：

sudo apt-get -y install cudnn9-cuda-12

执行过程中会提示 “是否继续”，输入 Y 并回车，等待安装完成。
版本严格匹配：CUDA 版本与 cuDNN 安装包必须对应（如 CUDA 12 不能装 cudnn9-cuda-13），否则深度学习框架会报错 “cuDNN 版本不兼容”。
密钥路径正确性：若执行 cp 命令时提示 “文件不存在”，需先执行 ls /var/cudnn-local-repo-ubuntu2204-9.13.0/ 查看实际的密钥文件名（格式为 cudnn-xxxx-keyring.gpg），再修改 cp 命令中的文件名。
权限问题：所有指令需加 sudo（管理员权限），否则会提示 “权限不足”。

步骤 4：验证安装（确保功能正常）

（一）安装完成后，通过以下命令验证 cuDNN 是否正确安装：

首先搜索 `cudnn_version.h` 的实际位置

cuDNN 的头文件可能安装在系统默认目录（非 /usr/local/cuda/include），用 find 命令全局搜索：

sudo find / -name "cudnn_version.h" 2>/dev/null

若搜索到结果（例如可能在/usr/include/x86_64-linux-gnu/cudnn_version.h）：直接查看该文件即可验证版本，例如：
```
# 假设搜索到路径为 /usr/include/cudnn_version.h
cat /usr/include/x86_64-linux-gnu/cudnn_version.h | grep CUDNN_MAJOR -A 2
```

若输出类似以下内容，说明安装成功：

#define CUDNN_MAJOR 9
#define CUDNN_MINOR 13
#define CUDNN_PATCHLEVEL 0
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

输出中的 9.13.0 需与你安装的 cuDNN 版本一致。
（二）检查库文件版本（libcudnn.so）

cuDNN 的共享库文件（libcudnn.so）也包含版本信息，通过 ldconfig 命令验证
```
通过 ldconfig 检查系统识别的 cuDNN 库
sudo ldconfig -N -v $(sed 's/:/ /' <<< $LD_LIBRARY_PATH) 2>/dev/null | grep libcudnn
```

（三）通过 cuDNN 官方示例代码验证是否安装成功，步骤如下：

复制示例代码到用户目录（避免权限问题）：
uDNN 9.13.0 采用了不同的命名规则，可按以下步骤精准排查：

步骤 1：列出本地仓库中所有 cuDNN 相关包（关键）

直接查看 cuDNN 本地仓库中包含的所有包，确认是否有样本包及其真实名称
```
# 列出本地 cuDNN 仓库中的所有包（注意替换路径中的版本号为实际目录名）
ls /var/cudnn-local-repo-ubuntu2204-9.13.0/ | grep .deb
```
预期输出：会显示仓库中所有可用的 deb 包，其中可能包含样本包（名称可能类似 cudnn9-samples_9.13.0-1+cuda12.0_amd64.deb 或 cudnn-samples-9.13_xxx.deb）。

步骤 2：根据实际包名手动安装样本包

假设步骤 1 中找到的样本包名为 cudnn9-samples_9.13.0-1+cuda12.0_amd64.deb（请替换为你实际看到的文件名），直接安装该 deb 包
```
# 进入仓库目录
cd /var/cudnn-local-repo-ubuntu2204-9.13.0/

# 安装找到的样本包（替换为实际文件名）
sudo dpkg -i libcudnn9-samples_9.13.0.50-1_all.deb
```
```
cp -r /usr/src/cudnn_samples_v9/ ~/file
```
切换到示例代码的 “MNIST 手写数字识别” 目录（最常用的验证案例）：
```
cd ~/file/cudnn_samples_v9/mnistCUDNN/
```
编译示例代码（依赖 CUDA 编译器 nvcc）：
首先要安装 FreeImage 库的头文件（FreeImage.h），这是编译 cuDNN 样本程序 mnistCUDNN 必需的图像处理库。

在 Ubuntu 终端中执行以下命令安装所需依赖
```
sudo apt-get install libfreeimage3 libfreeimage-dev
```
libfreeimage3 是运行时库文件，libfreeimage-dev 包含开发所需的头文件（包括 FreeImage.h）和静态库。执行以下编译命令：
```
make clean && make
```
运行编译后的可执行文件，验证运行时功能：
```
./mnistCUDNN
```
成功标志：终端输出最后一行显示 Test passed!，表示 cuDNN 已完全适配 CUDA 12.9 并可正常使用。

三、常见问题解决

安装后 nvcc -V 无输出：
原因是 CUDA 环境变量未配置，执行以下命令添加环境变量（临时生效，永久生效需写入 ~/.bashrc）：
```
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
```
“Test failed”：检查 CUDA 版本是否为 12.9（cuDNN 9.13.0 仅兼容特定 CUDA 版本），若版本不匹配，需重新安装对应版本的 CUDA 或 cuDNN。