目录
5.1torch,torchvision,python版本对应关系
前言
由于项目需要，实验室更新50系显卡若干，深度学习炼丹准备中，由于50系显卡使用新架构，故驱动安装与之前相比有亿点点不一样，对驱动版本要求较之前更为严格。
本文以博主本人的踩坑经历整合凝练而成，旨在手把手帮助使用50系显卡的你减少在驱动安装过程中浪费的时间，尽快完成深度学习环境搭建。
一、安装环境介绍
博主本人使用设备有两台，分别是RTX5090，操作系统为win11+Ubuntu22.04双系统，以及RTX5070，操作系统为win10+Ubuntu22.04双系统，本文所有步骤均在两个设备中成功实现，可放心食用。
二、nvidia显卡驱动安装
nvidia显卡驱动安装有多种途径， 比如可以使用ubuntu 系统自带的“软件和更新”程序-附加驱动更新进行驱动安装，或使用apt命令指定版本安装，本文展示的方法仅为官网下载驱动安装方法，其他方法读者可自行探索，本文不作赘述。
2.1查看显卡型号（不重要可略过）
终端输入代码
lspci | grep -i vga
根据输出信息2b85查询显卡型号，网址：PCI devices，结果如下图
可以看到显卡型号为Geforce RTX 5090
2.2显卡驱动下载
NVIDIA驱动官方下载地址：下载 NVIDIA 官方驱动 | NVIDIA
根据自己设备型号及操作系统选择相应版本，结果如下：
点击查找 ，会自动列出所有适用版本驱动，这里我们选择570.153.02版本驱动。
点击查看驱动，即可跳转详情页面，点击下载，等待完成。
至此驱动安装准备工作完成。
2.3显卡驱动安装（重要）
首先安装所需包，依赖，依次输入以下代码
sudo apt-get update
sudo apt-get install g++
sudo apt-get install gcc
sudo apt-get install make
禁用系统自带驱动，防止与新驱动发生冲突
终端输入：
sudo vim /etc/modprobe.d/blacklist.conf
在文档末尾添加以下语句：
blacklist nouveau
options nouveau modeset=0
添加完成后使用:q退出并保存文档
更新文件，终端输入：
sudo update-initramfs -u
此时终端输入reboot重启系统
sudo reboot
PS：如果这一步没有安装vim的友友，可以使用以下命令安装：
sudo apt install vim
查看 nouveau是否禁用成功，终端输入：
lsmod | grep nouveau如果没有返回值，则说明禁用成功。
在驱动下载位置打开新终端，安装驱动。
首先授予文件权限，终端输入：
sudo chmod 777 NVIDIA-Linux-x86_64-550.78.run
运行安装程序，终端输入：
sudo ./NVIDIA-Linux-x86_64-550.78.run
安装程序成功运行的话会出现以下界面，按照图片顺序依次选择，千万不要选错！！！！
如果顺利的话到这一步驱动已经成功安装！！！
PS:极少数情况会在安装过程中发生报错，检查日志，如果发现出现 cc: error: unrecognized command-line option ‘-ftrivial-auto-var-init=zero，大概率是gcc版本不匹配，可以直接参考这篇博文解决安装Nvidia驱动出现报错 cc: error: unrecognized command-line option ‘-ftrivial-auto-var-init=zero’解决_cc: error: unrecognized command-line option '-ftri-优快云博客
接下来验证驱动是否已经成功安装，终端输入：
nvidia-smi如果成功安装会出现以下界面：
列表中会显示显卡型号及驱动版本以及CUDA限制版本。
此时一定不要直接重启系统，否则会出现黑屏情况 ，如果你不想被左上角跳动的横线闪到破防，请跟着我进行安装过程中最重要的一步！！！！
安装lightdm显示管理器，终端输入：
sudo apt-get install lightdm
正常安装完成会自动提示选择默认显示管理器，如下图：
选择lightdm为默认显示管理器，回车退出。
如果没有自动触发，可以输入以下代码触发：
sudo dpkg-reconfigure lightdm
保险起见，直接禁用gdm3
sudo service gdm3 stop
此时可以放心重启，终端输入：
sudo reboot
重启后正常进入图形化界面，再次验证驱动安装是否成功。
终端输入：
nvidia-smi
安装成功！！！
碎碎念：这一步可能是困扰各位最久的部分，博主刚开始装驱动在这一步差点被气到破防，但是由于有装cartographer的经历（装过的都懂），也就重装了五次系统而已，使用 lightdm的原因是它较gdm3而言有兼容性更强，反复测试过程中再也没有出现黑屏卡死情况。
三、CUDA+cuDNN安装
50系显卡目前支持CUDA最低版本为12.8，本文安装版本选择CUDA12.8，安装方式采用run文件安装，这种方式虽然较为繁琐，但较为稳定。
3.1CUDA下载
CUDA官方下载链接：CUDA Toolkit Archive | NVIDIA Developer
这里版本选择12.8.1，进入下载界面并选择相应的操作系统与版本，系统会自动生成下载及安装命令。
按照官方提供的代码下载CUDA，终端输入：
wget https://developer.download.nvidia.com/compute/cuda/12.8.1/local_installers/cuda_12.8.1_570.124.06_linux.run
3.2CUDA安装
在下载目录打开新终端，执行安装命令：
sudo sh cuda_12.8.1_570.124.06_linux.run等待一段时间（大概三分钟），会出现下图界面，在光标处输入accept进入安装程序
由于我们已经手动安装了显卡驱动，故需要将驱动安装选项手动关闭，如下图
完成操作后选择install开始安装，等待安装完成。此时使用nvcc -V命令查看CUDA安装版本会出现以下报错：
此时不要慌，进行下一步。
3.3环境变量配置
使用vim打开bashrc文件
sudo vim ~/.bashrc在末尾添加如下语句：
export PATH="/usr/local/cuda-12.8/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-12.8/lib64:$LD_LIBRARY_PATH"
添加后退出并保存，更新环境变量：
source ~/.bashrc此时再次输入以下命令，即可正常显示CUDA版本：
nvcc -V
至此CUDA安装完成。
3.4cuDNN下载
cuDNN官方下载地址：cuDNN Archive | NVIDIA Developer
由于我们使用的CUDA版本为12.8，故直接选择第一个版本V8.9.7进行下载：
cuDNN有两种安装方式，这里我们选择下载tar方式，点击linux版本安装包进行下载。
PS：在这一步中会强制要求注册NVIDIA账户才能下载，拿邮箱随便注册一个就好了。
验证NVIDIA账户后文件会自动下载，等待下载完成，下载结束会得到一个tar压缩包。
3.5cuDNN安装
在文件下载位置开启新终端，输入以下命令进行解压：
tar -xvf cudnn-linux-x86_64-8.9.7.29_cuda12-archive.tar.xz 解压后得到一个文件夹，接下来要将所需文件复制到cuda文件夹中，由于目标文件夹需要更高级权限，所以不能直接复制粘贴，运行以下命令进行复制操作：
sudo cp cudnn-linux-x86_64-8.9.7.29_cuda12-archive/include/cudnn* /usr/local/cuda-12.8/include
sudo cp -P cudnn-linux-x86_64-8.9.7.29_cuda12-archive/lib/libcudnn* /usr/local/cuda-12.8/lib64
复制完成后赋予文件权限：
sudo chmod a+r /usr/local/cuda-12.8/include/cudnn*.h /usr/local/cuda-12.8/lib64/libcudnn*输入以下命令检查cuDNN安装情况：
cat /usr/local/cuda-12.8/include/cudnn.h | grep CUDNN_MAJOR -A 2
如果无返回值，输入以下命令：
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
会得到以下输出结果，本次安装版本为8.9.7： 
到此cuDNN安装完成。
四、anaconda安装
4.1anaconda下载
anaconda官方下载页面：Download Now | Anaconda
ananconda有两个版本，如果内存较小建议安装miniconda，节省内存。
下载Linux版本anaconda：
4.2anaconda安装
下载完成后移动到下载目录运行以下代码开始安装：
sudo bash Anaconda3-2025.06-0-Linux-x86_64.sh
以下界面输入yes回车开始安装：
接下来这里系统会默认选择一个安装位置，如果想指定安装目录，需要手动输入安装位置，并回车确认：
安装过程中出现yes/no选项一律输入yes，直到安装成功：
4.3环境变量配置
安装完成后，需要配置环境变量，还是使用相同命令打开bashrc文件：
sudo vim ~/.bashrc最后一行依旧加入anaconda安装目录，按自己的安装目录进行添加，我的如下：
export PATH="/home/ubuntu/anaconda3/bin:$PATH"添加完成后保存并退出，使用以下命令更新环境变量：
source ~/.bashrc验证conda安装是否成功，终端输入：
conda --version
输出conda版本表示安装成功。
五、pytorch安装
在Ubuntu下安装pytorch同样有多种方式，包括pip安装，conda安装，whl文件安装等，使用者可以选择自动安装或手动指定版本的方式进行安装。
本文仅提供执行官网自动生成的pip安装指令的方法，以Python3.10环境为例进行自动安装，有其他需求的读者可自行探索。
5.1torch,torchvision,python版本对应关系
RTX50系显卡作为NVIDIA推出的基于新架构的GPU产品，机器学习框架需要相应地更新以支持这些硬件。目前对于50系显卡来说，Pytorch只适配了Preview(Nightly)版本，常规的Stable版不能使用，如果安装老版本驱动，会出现报错。
原因为PyTorch稳定版的预编译二进制文件不支持sm_120计算能力。RTX 50系显卡采用了较新的架构，需要更新的CUDA版本以及对应的PyTorch版本才能正常工作。
torch,torchvision,python版本对应关系如下：
| torch版本 | torchvision版本 | 支持的Python版本 |
| nightly | nightly | >=3.9,<3.13 |
| 2.5 | 0.20 | >=3.9,<3.13 |
| 2.4 | 0.19 | >=3.8,<3.13 |
| 2.3 | 0.18 | >=3.8,<3.13 |
| 2.2 | 0.17 | >=3.8,<3.13 |
| 2.1 | 0.16 | >=3.8,<3.13 |
| 2.0 | 0.15 | >=3.8,<3.13 |
需要注意的是， nightly版本pytorch只支持Python3.9及以上的版本，创建虚拟环境的时候要多加注意，且老版本的项目也无法在环境下运行！！
CUDA12.8对应nightly版本pytorch下载网址：https://download.pytorch.org/whl/nightly/cu128
https://download.pytorch.org/whl/nightly/cu128
5.2建立anaconda虚拟环境
首先介绍几个常用的conda命令，记住这几条就可以满足日常使用。
conda create --name env_name #建立新环境
conda create --name env_name python=3.x # 创建指定python版本
activate env_name #激活指定环境
deactivate #退出当前环境
conda remove --name env_name --all #删除指定环境
conda env list #列出已存在的所有环境
conda list #列出当前环境安装的所有包及其版本
输入以下命令建立指定Python版本为3.10的虚拟环境cp310：
conda create -n cp310 python=3.10激活该环境：
conda activate cp310正常激活后命令行开头会出现（cp310）字样，表明你已经处于这个环境中，如下图所示：
有概率出现以下报错：CondaError: Run 'conda init' before 'conda activate'
提醒我们在使用 conda activate 激活环境之前，需要先对 Conda 进行初始化。
解决方法也很简单，终端输入：
conda init "$(basename "${SHELL}")"该命令会自动执行初始化操作，之后打开新终端输入激活命令，即可正常使用。
至此虚拟环境建立成功。
5.3pytorch安装
打开pytorch官网查看安装命令：Get StartedSet up PyTorch easily with local installation or supported cloud platforms.https://pytorch.org/get-started/locally/ 
依次选择nightly版本，Linux操作系统，pip安装方式，Python语言，CUDA12.8版本，选择完成后系统会自动生成pip安装命令，复制安装命令备用。
打开一个新终端，首先查看已存在的环境：
conda env list
进入创建好的cp310环境：
conda activate cp310输入上一步复制的自动安装命令：
pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu128该命令会自动寻找并下载最新版本的相关安装包并自动安装torch，torchvision，torchaudio。安装时间较长，请耐心等待安装完成。
另外再次提醒读者，安装pytorch所需内存空间较大，安装前请务必确认留足存储空间！！！
安装完成后终端输入python进入环境：
python
加载pytorch，注意这里命令是torch而不是pytorch：
import torch使用以下命令查看pytorch是否安装成功：
torch.cuda.is_available()
终端输出True则说明pytorch已成功安装。
使用以下命令查看环境中所有的包：
conda list
从上图中可以看到 ，torch版本为2.9.0，torchvision版本为0.24.0，torchaudio版本为2.8.0，至此pytorch安装成功。
经过验证，上述安装步骤在Python3.9，Python3.11环境中均适用：
六、pycharm上部署pytorch
首先安装社区版pycharm，具体过程不再赘述，可参考此篇博文：
Ubuntu22.04下的pycharm安装https://blog.youkuaiyun.com/m0_74115845/article/details/142035764 新建项目，添加解释器： 
这里选择自定义环境->选择现有->类型选择conda->路径默认为conda安装路径->环境选项可选择在conda下已建立的所有环境，这里选择cp310环境，即Python版本为3.10的环境，读者可根据需求自行建立环境并选择。
此时在设置中选择Python解释器设置，可以看到项目已加载名为cp310的解释器：
至此在pycharm上部署pytorch成功。
扫一扫
2101
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
