在Ubuntu 20.04.6 LTS系统下nvidia cuda cudnn anaconda安装，pip conda换成清华源

原创 已于 2024-11-03 20:22:08 修改 · 660 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#ubuntu #linux #经验分享 #python

于 2024-09-26 21:54:49 首次发布
部署运行你感兴趣的模型镜像

安装nvidia驱动

1、查看可用的驱动

ubuntu-drivers devices

2、安装nvidia驱动

sudo apt install nvidia-driver-xxx

请添加图片描述

3、重启电脑可以看到显卡显示为NVIDIA Corporation

请添加图片描述

安装cuda

1、查看nvidia驱动安装情况并查看cuda的可安装版本

nvidia-smi

请添加图片描述
结果显示可以安装cuda12.2以下的版本

2、下载cuda安装程序

（1）进入cuda官网
请添加图片描述
（2）选择低于12.2的的cuda版本
请添加图片描述（3）运行图片中两行指令

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run

在这里插入图片描述

sudo sh cuda_11.8.0_520.61.05_linux.run

（4）按一次“向下”键，按enter
在这里插入图片描述
（5）输入accept，按enter
在这里插入图片描述
（6）按一次enter（不选择Driver）,再按几次“向下”键，按enter
在这里插入图片描述
（7）安装完成
在这里插入图片描述

3、添加cuda相关的环境变量

（1）打开.bashrc配置文件

vim ~/.bashrc

（2）在文件最后写

export PATH=/usr/local/cuda/bin:$PATH
export CUDA_HOME=/usr/local/cuda
export LD_LIBRARY_PATH=/usr/local/cuda/lib64
export NUMBAPRO_NVVM=/usr/local/cuda/nvvm/lib64/libnvvm.so
export NUMBAPRO_LIBDEVICE=/usr/local/cuda/nvvm/libdevice/

（3）刷新配置

source ~/.bashrc

安装cudnn

1、进入官网

在这里插入图片描述

2、选择Local Installer for Linux x86_64(Tar)，这一步需要在官网注册一下，跟着引导点就行了

（1）下载好之后解压

tar -xvf cudnn-linux-x86_64-8.9.5.30_cuda11-archive.tar.xz

在这里插入图片描述

（2）进入cudnn文件夹，依次输入以下命令

cd cudnn-linux-x86_64-8.9.5.30_cuda11-archive

sudo cp include/* /usr/local/cuda/include/

sudo cp lib/* /usr/local/cuda/lib64/

sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

显示下图表示安装成功了
在这里插入图片描述

安装anaconda

1、进入官网

在这里插入图片描述### 2、选择下载64-Bit (x86) Installer (1007.9M)
输入以下命令

chmod +x Anaconda3-2024.06-1-Linux-x86_64.sh

# 前面不要加sudo，否则会安装到root目录下，需要管理员权限才能使用conda
./Anaconda3-5.3.0-Linux-x86_64.sh
# 安装过程中按enter和yes，不要写no，否则conda的环境变量需要自己配置

3、重启shell终端，查看conda版本

conda -V

pip换清华源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

conda换清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --set show_channel_urls yes

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

Coco091
关注
ubuntu下设置conda源为清华源
大山的专栏
11-01 4545
~/.condarc文件修改如下： channels: - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ - defaults show_channel_urls: true pip设置清华源 pip config set global.index-url https://pypi.tuna.tsingh
CUDA配置清华源
橙子姑娘
02-04 2387
CUDA配置清华源 1.在Anaconda中或者Win+R+cmd输入以下命令 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tu
（保姆级教程）Ubuntu系统安装NVIDIA驱动+CUDA超详细安装指南
最新发布
介绍AI领域相关知识
07-25 1万+
本文详细介绍了在Ubuntu 20.04.6 LTS系统上为NVIDIA RTX 3090显卡安装驱动和CUDA 12.5的全过程。首先通过命令行检查显卡信息，随后通过PPA源安装推荐版本的NVIDIA驱动。接着从官网下载CUDA 12.5的runfile安装包，配置环境变量并验证安装。最后安装匹配的cuDNN加速库，完成深度学习环境的搭建。整个过程包含详细的命令示例和截图说明，适合开发者参考配置类似的GPU计算环境。
Ubuntu 20.04下多版本CUDA的安装与切换 超详细教程
qq_50677040的博客
07-07 2万+
当我们复现代码时，总会需要不同版本的 CUDA。此时，我们就需要安装多个版本的 CUDA ，并实现灵活切换。本文将在已有 CUDA11.3 的 Ubuntu20.04 下，安装 CUDA11.8。
Ubuntu20.04 安装 cuda
qq_45461410的博客
08-22 2004
Ubuntu20.04 安装 cuda
从小白教你如何配置ubuntu20.04的一些基础环境（包括安装ubuntu驱动，cuda，cudnn，anaconda，pytorch）
weixin_54186806的博客
02-13 2017
这一条命令是下载cuda的安装包，但是我不建议用这个命令去下载安装包，因为进入英伟达的官网是需要魔法的，魔法的网络可能不稳定，然后你用这个命令直接输入终端进行下载的话，可能下载到因为网络原因报错导致下载的内容不全，建议直接复制wget后面的链接到浏览器中进行下载，比较文档（亲测有效），或者直接点击下面的链接进行下载。首先查看系统支持的最高版本的cuda，下图中箭头指示的是cuda版本12.2，这意味着我们之后安装的cuda版本，不能超过12.2这个版本。（前面的安装选型全选yes，一般是不会有什么问题的）
拯救者双系统ubuntu20.04 安装cuda、anaconda3、pytorch、yolo v8全过程
2202_75965674的博客
10-05 645
弹出对话框后按enter勾选自己要删除的版本。根据自己文件位置和文件名修改。卸载旧版本cadu终端输入。勾选完后点击done。
安装ubuntu22.04系统,GPU驱动，cuda,cudnn，python环境，pycharm
babytiger的专栏
01-10 1760
需要准备一个u盘，需要，且内存不小于8g。
Ubuntu20换源anaconda、pip
weixin_44264223的博客
09-12 930
对于Ubuntu更换anaconda或pip源有疑惑的小伙伴，或许有帮助，简单易操作
Ubuntu20.04 LTS CUDA安装、TF-GPU、Torch-GPU
NT的博客
08-05 442
CUDA 卸载没有 uninstall 卸载办法 # 用 runfile 方式安装的删除方法： sudo /usr/local/cuda-8.0/bin/uninstall_cuda_8.0.pl # 用 package manager 方式安装的删除方法： sudo apt-get --purge remove cuda-8.0 sudo apt autoremove sudo apt-get autoclean # cudnn文件和samples残留在 /usr/local/cuda-8.0/，删除
conda更换源
weixin_54347747的博客
12-21 808
### 在给Nvidia 3060安装环境的时候，老是会出现报错。* pip 豆瓣源地址。* conda 豆瓣源。* pip清华源地址。
Ubuntu conda 使用清华TUNA镜像源，包含Anaconda仓库的镜像
嘿芝麻的树洞
03-07 5146
使用一下两条命令： conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes 同时需要在~/.condarc中把-defaults那行删除，这样每次安装新的软件包就会从TUNA镜像下载。...
Ubuntu apt-get、pip、conda添加清华镜像源（conda镜像源现已恢复！！）
weixin_44356316的博客
01-30 589
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channe...
ubuntu下conda如何设置镜像源（清华镜像源）
youlinhuanyan的博客
02-14 1万+
首先贴出.condarc，直接给出清华的镜像源，需要的小伙伴直接使用，别看内容了添加conda镜像源命令（直接使用）接下来开始慢慢介绍了。
Ubuntu下pip, conda更改清华镜像源
weixin_42615068的博客
04-12 5618
Ubuntu下pip, conda更改清华镜像源 转载: https://blog.csdn.net/familyshizhouna/article/details/68490068 pip: 临时使用： pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package 设为默认: 修改 ~/.config/pip/pip.c...
Ubuntu20.04版本安装cuda和cudNN（宝宝级攻略）
2301_76831056的博客
10-28 6314
我在学习深度学习时，在Ubuntu系统下安装cuda和cudNN踩过了一些坑，浪费了很多的时间，现在想出一个宝宝级的攻略，希望能够帮助大家节约时间，规避一些毒教程的糟粕。
Ubuntu20.04安装NVIDIA显卡驱动、CUDA、CUDNN及突破NVENC并发限制、多版本CUDA切换
热门推荐
m0_38101947的博客
08-24 2万+
Ubuntu20安装Nvidia驱动，cuda,cudnn,NVENC突破并发限制
ubuntu安装Anaconda并更换为清华源
qq_39248298的博客
08-05 1万+
ubuntu安装Anaconda并更换为清华源 本教程是基于ubuntu 16.04，18.04也是类似的操作，首先去下载一个anaconda安装包，可以选择去官网或者清华镜像下载，推荐清华镜像下载，国内用户从这下载速度比较快。本教程下载安装Anaconda3-5.3.1-Linux-x86_64.sh这个版本。 待安装包下载安成后，cd到文件所在的目录，执行bash Anaconda3-5.3.1-Linux-x86_64.sh，接下来就是一些简单的接受许可啥的操作。 Welcome to Anacond
win11安装wsl2(ubuntu20.04)并安装 TensorRT-8.6.1.6、cuda_11.6、cudnn怎么使用ragflow模型训练ai
06-29
<think>我们正在处理用户的问题：在Windows11上安装WSL2(Ubuntu20.04)并配置TensorRT-8.6.1.6、CUDA11.6、cuDNN环境以运行和训练RAGFlow模型。根据提供的引用，我们有以下信息：引用[1]：提供了Win10自定义路径安装WSL2并配置CUDA的教程。引用[2]：提供了基于Windows11配置深度学习环境，包含WSL2配置Ubuntu20.04，并安装CUDA和cuDNN。引用[3]：提供了在Ubuntu20.04(WSL2)中安装TensorRT-8.6.1.6、CUDA11.6、cuDNN的步骤和版本展示。注意：用户要求的是Windows11，但引用中包含了Win10和Win11的参考。我们主要参考引用[2]和引用[3]。由于引用[3]中提到了安装步骤参考另一个链接，但我们没有那个链接的内容，因此我们将基于已有的引用信息以及通用步骤来回答。步骤概述：1.在Windows11上启用WSL2并安装Ubuntu20.04。2.在WSL2的Ubuntu中安装NVIDIA驱动（实际上，WSL2使用Windows的NVIDIA驱动，但需要确保Windows已安装正确驱动）。3.在Ubuntu中安装CUDA11.6和cuDNN（注意版本对应）。4.安装TensorRT-8.6.1.6。注意：由于RAGFlow模型训练需要，我们确保环境正确配置。详细步骤：一、准备Windows11环境1.确保Windows11版本满足要求（例如，版本21H2或更高）。2.启用虚拟化和WSL功能：-以管理员身份打开PowerShell，运行：```powershelldism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestartdism.exe/online/enable-feature/featurename:VirtualMachinePlatform /all /norestart```-重启计算机。3.将WSL默认版本设置为WSL2：```powershellwsl --set-default-version2```4.安装Ubuntu20.04 LTS：-打开MicrosoftStore，搜索并安装“Ubuntu20.04LTS”。-安装后，从开始菜单启动Ubuntu，完成初始设置（创建用户名和密码）。二、安装Windows端的NVIDIA驱动-前往NVIDIA官网下载并安装适用于Windows11的显卡驱动（确保驱动支持WSL2和CUDA11.6）。-安装完成后，重启计算机。三、在WSL2的Ubuntu中安装CUDA11.6和cuDNN1.更新Ubuntu系统：```bashsudo aptupdate &&sudo aptupgrade -y```2.安装CUDA11.6：-根据引用[3]，CUDA11.6的安装可以通过下载runfile或deb文件进行。由于在WSL2中，推荐使用deb方式。-前往NVIDIACUDAToolkit11.6下载页面（https://developer.nvidia.com/cuda-11-6-0-download-archive），选择Linux ->x86_64-> WSL-Ubuntu->2.0 ->deb(local)并下载。-按照官方说明安装：```bashwget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pinsudomv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600wgethttps://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda-repo-wsl-ubuntu-11-6-local_11.6.0-1_amd64.debsudo dpkg -i cuda-repo-wsl-ubuntu-11-6-local_11.6.0-1_amd64.debsudo apt-key add/var/cuda-repo-wsl-ubuntu-11-6-local/7fa2af80.pubsudoapt-getupdatesudoapt-get-y installcuda```-设置环境变量（将以下内容添加到~/.bashrc）：```bashexport PATH=/usr/local/cuda-11.6/bin${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda-11.6/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}```然后运行：`source ~/.bashrc`-验证安装：`nvcc -V`，应输出类似引用[3]中的版本信息。3.安装cuDNN：-前往NVIDIAcuDNN下载页面（需要注册），下载与CUDA11.6对应的cuDNN版本（例如，cuDNNv8.6.0for CUDA11.x）。-将下载的cuDNN压缩包（例如，cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xz）复制到WSL2的Ubuntu中（可以通过/mnt/目录访问Windows文件）。-在Ubuntu中解压并安装：```bashtar-xvfcudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xzsudocp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/includesudocp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64sudo chmod a+r /usr/local/cuda/include/cudnn*.h/usr/local/cuda/lib64/libcudnn*```四、安装TensorRT8.6.1.6-前往NVIDIA TensorRT下载页面（需要注册），下载TensorRT8.6.1.6 forLinuxx86_64和CUDA11.6的tar包。-将下载的TensorRT压缩包（例如，TensorRT-8.6.1.6.Linux.x86_64-gnu.cuda-11.6.tar.gz）复制到WSL2的Ubuntu中。-解压并安装：```bashtar -xzvf TensorRT-8.6.1.6.Linux.x86_64-gnu.cuda-11.6.tar.gzexportTRT_PATH=/path/to/TensorRT-8.6.1.6#替换为实际路径exportLD_LIBRARY_PATH=$LD_LIBRARY_PATH:$TRT_PATH/lib#将TensorRT库路径永久添加到环境变量（添加到~/.bashrc）echo'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:'$TRT_PATH/lib>> ~/.bashrcsource~/.bashrc```-安装PythonTensorRT wheel文件（假设使用Python）：```bashcd $TRT_PATH/pythonpip installtensorrt-*-cp3x-none-linux_x86_64.whl#选择与Python版本对应的whl文件```-安装其他依赖包（uff和graphsurgeon）：```bashcd$TRT_PATH/uffpip installuff-0.6.9-py2.py3-none-any.whlcd $TRT_PATH/graphsurgeonpipinstall graphsurgeon-0.4.6-py2.py3-none-any.whl```五、验证安装-验证CUDA：`nvcc -V`，应输出CUDA11.6。-验证cuDNN：`cat/usr/local/cuda/include/cudnn_version.h |grep CUDNN_MAJOR-A2`，应显示cuDNN版本（如8.6.0）。-验证TensorRT：在Python中运行`import tensorrt`，没有错误。六、安装RAGFlow模型所需的其他依赖-根据RAGFlow的文档，安装Python依赖（如PyTorch、transformers等）。注意PyTorch需要与CUDA11.6兼容。注意：由于在WSL2中，GPU资源是通过Windows的驱动暴露的，因此确保Windows端的驱动安装正确。引用说明：我们参考了引用[2]和引用[3]的安装步骤，特别是CUDA和TensorRT的版本选择。注意：以上步骤可能需要根据实际情况调整，例如下载链接和文件版本。最后，生成相关问题：</think>### 在Windows 11上安装WSL2(Ubuntu 20.04)并配置TensorRT-8.6.1.6/CUDA 11.6/cuDNN环境 以下是完整配置步骤，参考NVIDIA官方文档和社区实践[^1][^2][^3]： #### 一、启用WSL2并安装Ubuntu 20.04 1. **启用Windows功能** 以管理员身份运行PowerShell： ```powershell dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart wsl --install wsl --set-default-version 2 ``` 重启计算机后继续。 2. **安装Ubuntu 20.04** - 打开Microsoft Store安装[Ubuntu 20.04 LTS](https://apps.microsoft.com/detail/ubuntu-2004/9n6svws3rx71) - 启动Ubuntu完成初始化（创建用户名/密码） #### 二、安装Windows端NVIDIA驱动 1. 下载[最新GeForce Game Ready驱动](https://www.nvidia.cn/Download/index.aspx)（需≥510.xx） 2. 安装时勾选 **"GPU加速的WSL支持"** 组件[^2] #### 三、在WSL2中配置CUDA 11.6 ```bash # 在Ubuntu终端执行 wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600 wget https://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda-repo-wsl-ubuntu-11-6-local_11.6.0-1_amd64.deb sudo dpkg -i cuda-repo-wsl-ubuntu-11-6-local_11.6.0-1_amd64.deb sudo apt-key add /var/cuda-repo-wsl-ubuntu-11-6-local/7fa2af80.pub sudo apt update sudo apt install cuda-11-6 ``` **环境变量配置**（添加到`~/.bashrc`）： ```bash export PATH=/usr/local/cuda-11.6/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-11.6/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 验证：`nvcc -V` 应返回 `release 11.6`[^3] #### 四、安装cuDNN 1. 从[NVIDIA官网](https://developer.nvidia.com/cudnn)下载 **cuDNN v8.6.0 for CUDA 11.x**（需注册） 2. 在Ubuntu中安装： ```bash tar -xzvf cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xz sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* ``` #### 五、安装TensorRT 8.6.1.6 ```bash wget https://developer.nvidia.com/downloads/compute/machine-learning/tensorrt/secure/8.6.1/tars/TensorRT-8.6.1.6.Linux.x86_64-gnu.cuda-11.6.tar.gz tar -xzvf TensorRT-8.6.1.6.Linux.x86_64-gnu.cuda-11.6.tar.gz cd TensorRT-8.6.1.6 export TRT_PATH=$(pwd) echo "export LD_LIBRARY_PATH=$TRT_PATH/lib:\$LD_LIBRARY_PATH" >> ~/.bashrc source ~/.bashrc # 安装Python支持（需先安装pip） cd python && pip install tensorrt-*-cp3x-none-linux_x86_64.whl cd ../uff && pip install uff-0.6.9-py2.py3-none-any.whl cd ../graphsurgeon && pip install graphsurgeon-0.4.6-py2.py3-none-any.whl ``` 验证：`python -c "import tensorrt; print(tensorrt.__version__)"` 应返回 `8.6.1` #### 六、配置RAGFlow训练环境 ```bash # 安装Miniconda wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh # 创建RAGFlow环境 conda create -n ragflow python=3.10 conda activate ragflow # 安装PyTorch（匹配CUDA 11.6） pip install torch==2.0.1+cu116 torchvision==0.15.2+cu116 -f https://download.pytorch.org/whl/torch_stable.html # 安装RAGFlow依赖 git clone https://github.com/infiniflow/ragflow.git cd ragflow && pip install -r requirements.txt ``` #### 七、验证GPU加速 ```python # 测试脚本 import torch print(f"CUDA可用: {torch.cuda.is_available()}") print(f"cuDNN版本: {torch.backends.cudnn.version()}") print(f"设备: {torch.cuda.get_device_name(0)}") ``` 预期输出： ``` CUDA可用: True cuDNN版本: 8600 设备: NVIDIA GeForce RTX xxxx ``` > **关键注意事项** > 1. Windows主机需安装WSL2专用NVIDIA驱动 > 2. CUDA/cuDNN/TensorRT版本必须严格匹配 > 3. WSL2内存限制：在`%USERPROFILE%\.wslconfig`中添加： > ```ini > [wsl2] > memory=16GB # 根据GPU显存调整 > swap=8GB > ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值