【全网首发】Ubuntu-22.04服务器系统搭建深度学习环境，安装cuda和cuDNN，并实现cuda灵活切换

置顶 已于 2025-04-05 10:23:55 修改
阅读量2.8k 收藏 59
点赞数 54
文章标签： ubuntu linux 运维 人工智能 深度学习 机器学习 云计算
于 2024-12-20 00:14:47 首次发布
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。
本文链接：https://blog.youkuaiyun.com/kiumk/article/details/144596473
版权

一、前言

        截止2024年12月19日，所有搜索引擎中无法找到在服务器环境下搭建Ubuntu-22.04的cuda环境教程中文文章，并且许多安装教程已经过时、存在错误，使很多人走了弯路，因此发布本篇文章来造福社会。为编写本文耗费了近一周的时间尝试、整理，因此本文处处存在十分微小的细节，请缓慢仔细阅读！

        注意！本文章部分内容仅适用于Ubuntu-22.04系统！

实现环境：

  • System：Ubuntu-22.04
  • CPU：虚拟化
  • RAM：32G
  • GPU：NVIDIA Tesla T4 16G

如果您想只花一行代码即可完成，可以我的参考这篇文章：

【持续更新 | 测试】原创=深度学习环境=初始化脚本 - 适用于Ubuntu2204系统修改国内源，安装常用库和软件、默认远程桌面等-优快云博客文章浏览阅读324次，点赞3次，收藏3次。原创脚本深度学习环境初始化脚本，正在测试阶段。 https://blog.youkuaiyun.com/kiumk/article/details/146995337?spm=1001.2014.3001.5501

本文目录如下：

目录

一、前言

二、安装准备

1. 准备环境-重装原始系统

2. 推荐的工作学习环境-VScodeSSH

3. 切换apt源

4. 安装依赖-gcc、g++、make

5. 禁用默认nouveau驱动

三、安装CUDA与cuDNN

1. 安装CUDA

2. 安装cuDNN

3. （可选）安装Nvidia驱动

四、拓展

1. 实现CUDA版本灵活切换

2. 使用Anaconda搭建虚拟环境

3. 实现自动连接无需密码

五、后记

1. 参考链接

2. 特别鸣谢

二、安装准备

1. 准备环境-重装原始系统

        一般云服务服务商都会提供Ubuntu系统镜像可用，请选择Ubuntu22.04镜像进行系统重装。

        对于已经把系统搞得乱成一团的初学者们也建议重装系统从头开始（比如一来就把核心给改了的，安装上宝塔了的...）。不要觉得自己做了那么多很可惜，对于初学者来说重装系统回到原点是最好最简单的方法来继续。作者在准备编写本文期间重装了4种系统共重装了十几次的。

        安装完成后请不要进行多余的操作，跟着本文教程继续走。

2. 推荐的工作学习环境-VScodeSSH

        在这里推荐两个大家都不陌生的工具：VScode和Xshell

编辑文件神器-VScode：

        VScode应该都不陌生，不过它的SSH远程连接服务器功能真的香！！

        具体如何安装和操作请参见本文：

        最香远程开发解决方案！手把手教你配置VS Code远程开发工具

        有了VScodeSSH我们可以非常轻松地编辑服务器上的目录文件！便于之后的操作。

        SSH工具可以随便选一个Bitvise SSH Client、Xshell，但不推荐直接使用VScodeSSH的终端！因为它不支持一些系统，并且容易出现问题。

3. 切换apt源

        注意！这里的内容只适用于Ubuntu22.04！只适用于Ubuntu22.04！只适用于Ubuntu22.04！重要的事情说三遍！

        如果你现在还不会编辑文件请先完成上一节内容！

        在/etc/apt/sources.list中写入：

# 默认注释了源码仓库，如有需要可自行取消注释
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse

        然后执行命令，更新软件包列表：

sudo apt update

        然后进行下一步。

4. 安装依赖-gcc、g++、make

        执行以下命令安装依赖：

sudo apt install build-essential gcc g++ make -y

        安装完成后进行下一步。

5. 禁用默认nouveau驱动

        编辑/etc/modprobe.d/blacklist.conf，在末尾加入以下内容：

blacklist nouveau
options nouveau modeset=0

        更新系统initramfs镜像文件

sudo update-initramfs -u

        重启

reboot

        使用以下命令检验是否成功禁用nouveau，如果没有输出则表示成功禁用。

lsmod | grep nouveau

        完成后我们就可以正式进行cuda的安装了！。

三、安装CUDA与cuDNN

        你可能会问：不是还没装nvidia驱动吗？怎么就装cuda了？

        最开始我也是这么想的，后来发现其实cuda会自动安装nvidia驱动的，如果安装了nvidia驱动再安装cuda，安装好cuda后nvidia驱动就会又用不了了qwq（电子玄学问题，无法解释原因）

1. 安装CUDA

        在bing上搜cuda对应的版本号，例如cuda11.8，就这么简单//

        然后选择自己的显卡、Ubuntu22.04对应的runfile，这里不过多赘述了：

        注意是选择runfile (local)！！选deb也可以，但推荐使用runfile

        执行命令：

wget https://developer.download.nvidia.com/compute/cuda/...

        然后进行安装：

sudo sh cuda_xxx_xxx.xxx_linux.run

        安装前解压时间长，请耐心等待。

        进入安装界面后，不要做任何操作，直接Install（如果想要安装Kernel，请参见这一文章：Centos8.2 搭建显卡驱动+CUDA+CUDNN_centos8.2安装显卡驱动-优快云博客，虽然是Centos的，但应该和Ubuntu目录结构大致相同，可以参考）

        

        安装cuda会自动安装nvidia驱动。如果需要安装最新驱动请见后面。关于如何使nvcc -V命令有效（将cuda加入到环境变量中），请见"拓展部分-CUDA版本的灵活切换"，建议按照步骤慢慢来。如果你不想实现cuda版本灵活切换，可以参考这篇文章直接配置环境：Linux下安装CUDA并配置环境变量_linux cuda位置-优快云博客

        可以用以下命令检验nvidia驱动是否成功安装：

nvidia-smi

        完成后我们进入下一步。

2. 安装cuDNN

        在这个链接中找到自己的系统版本：cuDNN 9.6.0 Downloads | NVIDIA Developer

（如果有更新的版本，请自己手动搜索查找）

        按照官方文章进行安装跟着步骤走即可。

        安装完成后如果提示"The public cudnn-local-repo-ubuntu2204-8.9.7.29 GPG key does not appear to be installed"，直接复制下面的指令输进去然后再来一次即可。

sudo cp /var/cudnn-local-repo-ubuntu2204....
sudo dpkg -i cudnn-ubuntu2204.deb

        cuDNN自此安装成功。

3. （可选）安装Nvidia驱动

        如果你希望保持更高的Nvidia驱动版本，可以进行以下步骤：

        到官网下载适合自己显卡和系统的驱动：

        然后下载并安装：

wget https://....
sudo NVIDIA-Linux-x86_64-xxx.xxx.run

         检验是否安装成功：

nvidia-smi

四、拓展

1. 实现CUDA版本灵活切换

        本节参考文章 创建多个cuda版本，可以自由切换 ，感谢作者！

        由于很多模型框架基于的cuda版本不同，因此我们可能需要频繁地使用各种各样的cuda。不过本节内容可以彻底解放大脑，轻松切换CUDA版本！

        进入到usr/bin目录下，创建文件switch-cuda.sh，写入以下内容：

#!/usr/bin/env bash
	
	# Copyright (c) 2018 Patrick Hohenecker
	#
	# Permission is hereby granted, free of charge, to any person obtaining a copy
	# of this software and associated documentation files (the "Software"), to deal
	# in the Software without restriction, including without limitation the rights
	# to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
	# copies of the Software, and to permit persons to whom the Software is
	# furnished to do so, subject to the following conditions:
	#
	# The above copyright notice and this permission notice shall be included in all
	# copies or substantial portions of the Software.
	#
	# THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
	# IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
	# FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
	# AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
	# LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
	# OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
	# SOFTWARE.
	
	# author:   Patrick Hohenecker <mail@paho.at>
	# version:  2018.1
	# date:     May 15, 2018
	
	
	set -e
	
	
	# ensure that the script has been sourced rather than just executed
	if [[ "${BASH_SOURCE[0]}" = "${0}" ]]; then
	    echo "Please use 'source' to execute switch-cuda.sh!"
	    exit 1
	fi
	
	INSTALL_FOLDER="/usr/local"  # the location to look for CUDA installations at
	TARGET_VERSION=${1}          # the target CUDA version to switch to (if provided)
	
	# if no version to switch to has been provided, then just print all available CUDA installations
	if [[ -z ${TARGET_VERSION} ]]; then
	    echo "The following CUDA installations have been found (in '${INSTALL_FOLDER}'):"
	    ls -l "${INSTALL_FOLDER}" | egrep -o "cuda-[0-9]+\\.[0-9]+$" | while read -r line; do
	        echo "* ${line}"
	    done
	    set +e
	    return
	# otherwise, check whether there is an installation of the requested CUDA version
	elif [[ ! -d "${INSTALL_FOLDER}/cuda-${TARGET_VERSION}" ]]; then
	    echo "No installation of CUDA ${TARGET_VERSION} has been found!"
	    set +e
	    return
	fi
	
	# the path of the installation to use
	cuda_path="${INSTALL_FOLDER}/cuda-${TARGET_VERSION}"
	
	# filter out those CUDA entries from the PATH that are not needed anymore
	path_elements=(${PATH//:/ })
	new_path="${cuda_path}/bin"
	for p in "${path_elements[@]}"; do
	    if [[ ! ${p} =~ ^${INSTALL_FOLDER}/cuda ]]; then
	        new_path="${new_path}:${p}"
	    fi
	done
	
	# filter out those CUDA entries from the LD_LIBRARY_PATH that are not needed anymore
	ld_path_elements=(${LD_LIBRARY_PATH//:/ })
	new_ld_path="${cuda_path}/lib64:${cuda_path}/extras/CUPTI/lib64"
	for p in "${ld_path_elements[@]}"; do
	    if [[ ! ${p} =~ ^${INSTALL_FOLDER}/cuda ]]; then
	        new_ld_path="${new_ld_path}:${p}"
	    fi
	done
	
	# update environment variables
	export CUDA_HOME="${cuda_path}"
	export CUDA_ROOT="${cuda_path}"
	export LD_LIBRARY_PATH="${new_ld_path}"
	export PATH="${new_path}"
	
	echo "Switched to CUDA ${TARGET_VERSION}."
	
	set +e
	return

        之后我们就可以使用"switch-cuda.sh+版本"来实现灵活切换CUDA版本。具体指令如下：

# 查询当前已安装的CUDA版本
source switch-cuda.sh
# 切换到指定CUDA版本，例如cuda11.8
source switch-cuda.sh 11.8

        可以发现CUDA版本成功切换了。

         自此文章大部分内容结束，深度学习环境成功搭建完成！

2. 使用Anaconda搭建虚拟环境

        最后还是得推荐下自家宝子 Anaconda 相信大多数人都用过，也是由于各种各样的模型框架所需要的Python库版本不同，所以可以使用 Anaconda创建不同环境来支持不同的模型。

        主要命令：

# 创建新的虚拟环境
conda create -n env_name python=3.8

# 激活虚拟环境
conda activate env_name

# 退出虚拟环境
conda deactivate

# 删除虚拟环境
conda remove -n env_name --all

# 查看已安装的环境列表
conda env list

# 安装指定的包
conda install package_name

# 升级指定的包
conda update package_name

# 移除指定的包
conda remove package_name

# 查看已安装的包
conda list

# 搜索可用的包
conda search package_name

# 更新Anaconda自身
conda update conda
conda update anaconda

# 导出虚拟环境
conda env export > environment.yml

# 从环境文件导入虚拟环境
conda env create -f environment.yml

# 检查依赖问题并修复
conda doctor

# 查看conda帮助
conda --help

3. 实现自动连接无需密码

        本节参考本篇文章：最香远程开发解决方案！手把手教你配置VS Code远程开发工具，感谢作者！

       

  • 打开win cmd终端，输入 ssh-keygen -t rsa 生成秘钥对 
    ssh-keygen -t rsa

秘钥列表

  • 打开生成的秘钥保存路径，拷贝 id_rsa.pub 内容，添加到到云服务器的 ~/.ssh/authorized_keys 文件后面。

  • 尝试再次连接，不用输密码了。

以上就是本文的全部内容，感谢大家的耐心阅读，希望本文能够帮到你！如果有任何疑问请在评论区留言！

五、后记

1. 参考链接

- https://blog.youkuaiyun.com/qq_32892383/article/details/141460197

- https://blog.youkuaiyun.com/qq_34972053/article/details/127689332

- https://forums.developer.nvidia.com/t/info-finished-with-code-256-error-install-of-driver-component-failed/107661/9

- https://kernel.ubuntu.com/mainline/v6.12/

- https://blog.youkuaiyun.com/bocai1215/article/details/126559197

- https://www.cnblogs.com/chua-n/p/13208414.html

- https://www.cnblogs.com/chua-n/p/13208398.html

- https://zhuanlan.zhihu.com/p/136234910

- https://developer.nvidia.com/cuda-11-8-0-download-archive?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu&target_version=22.04&target_type=runfile_local

- https://blog.youkuaiyun.com/wjinjie/article/details/108997692

- https://blog.youkuaiyun.com/lishuaigell/article/details/124740342

- https://blog.youkuaiyun.com/weixin_43472800/article/details/128434810

- https://blog.youkuaiyun.com/onlyyoujojo/article/details/129024630

- https://www.nvidia.cn/drivers/lookup

- https://www.bilibili.com/video/BV1JH4y137sy/?spm_id_from=333.337.search-card.all.click&vd_source=228350a2a097728d450346c0a016177a

- https://www.bilibili.com/video/BV1oK411b7RP/?spm_id_from=333.337.search-card.all.click

- https://zhuanlan.zhihu.com/p/133323571

- https://blog.youkuaiyun.com/Long_xu/article/details/135039596

- https://blog.youkuaiyun.com/marleylee/article/details/70739131

- https://blog.youkuaiyun.com/qq_21095573/article/details/99736630

- https://developer.aliyun.com/mirror/

- https://zhuanlan.zhihu.com/p/251009600

- https://blog.youkuaiyun.com/qq_21095573/article/details/99736630

- https://blog.youkuaiyun.com/Sihang_Xie/article/details/127347139

- https://blog.youkuaiyun.com/m0_63171455/article/details/139150054

- https://www.cnblogs.com/pprp/p/9430836.html

- https://blog.youkuaiyun.com/weixin_44009447/article/details/120034467

- https://blog.youkuaiyun.com/Ben__Ho/article/details/139202015

- https://www.bilibili.com/video/BV1v84y1D7Rw/?spm_id_from=333.337.search-card.all.click&vd_source=228350a2a097728d450346c0a016177a

- https://www.cnblogs.com/bile/p/12502739.html

- https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

- https://blog.youkuaiyun.com/weixin_42301220/article/details/130078734

- https://zhuanlan.zhihu.com/p/581634820

- https://blog.youkuaiyun.com/qq_42055933/article/details/142030339

- https://www.cnblogs.com/raiuny/p/16963325.html

- https://blog.youkuaiyun.com/huiyoooo/article/details/128015155

- https://blog.youkuaiyun.com/cwjcw81/article/details/139604268

- https://www.modelscope.cn/models/Qwen/Qwen2.5-7B-Instruct/summary

- https://blog.youkuaiyun.com/hb_learing/article/details/115547461

- https://www.cnblogs.com/137point5/p/15000954.html

- https://blog.youkuaiyun.com/tiansyun/article/details/131453705

- https://blog.youkuaiyun.com/xuezhe5212/article/details/139087879

- https://blog.youkuaiyun.com/A15216110998/article/details/113402172

- https://forums.developer.nvidia.com/t/linux-6-7-3-545-29-06-550-40-07-error-modpost-gpl-incompatible-module-nvidia-ko-uses-gpl-only-symbol-rcu-read-lock/280908/6

- https://forums.developer.nvidia.com/t/nvidia-545-installation-is-getting-failed-in-my-ubuntu-20-04-and-i-have-rtx4000/297029/5

2. 特别鸣谢

- 未音云 - https://cloud.whyyin.com/

感谢未音云提供的云服务器服务

- 欢雨云 - https://cloud.rainly.net/

感谢欢雨云提供的GPU服务器服务

Vue_0w0
关注
Ubuntu22.04中安装cuda, cudnn, pytorch
modest_laowang的博客
07-20 3454
Ubuntu 22.04中安装cuda, cudnn, pytorch
Ubuntu 22.04安装CUDA+cuDNN
taoshiwu的博客
09-29 4696
主要介绍了如何查看CUDA版本对应关系和CUDA 11.6下载安装教程
Ubuntu22.04安装cudnn详细步骤
大鹏的专栏
09-26 1210
注意，这里的libcudnn8和cuda版本的配对是指定的，可通过apt-cache policy libcudnn8命令查看。
Ubuntu22.04安装cuda，cudnn, 编译darknet
weixin_43933981的博客
09-19 1071
官网：https://developer.nvidia.com/cuda-toolkit-archive因为之前已经安装过显卡驱动了，所以这里需要取消Driver（光标移动到Driver，然后按enter即可取消，不取消会导致安装终止），然后移动光标到Install，按enter执行安装。
ubuntu22.04安装显卡驱动+cuda+cudnn
qq_49323609的博客
04-23 2万+
ubuntu22.04安装显卡驱动+cuda+cudnn
Ubuntu22.04安装cuDNN && Anaconda
zj_xd的博客
10-04 408
-----------------------------------------------安装cuDNN--------------------------------------------------------------------------------------------------------------------------------安装Anaconda----------------------------------------------进入下载到的目录中，用。
Ubuntu22.04深度学习环境安装【cuda+cudnn】
xaiobai123的博客
12-06 2337
为了复现一篇深度学习论文，特意安装了Linux系统。前一天已经安装，现在需要安装cuda、cudnn等。根据论文提供的代码。在requirements.txt中发现cuda版本为11.7,cudnn为8.5.0，python没有指定，默认使用3.8版本，pytorch2.0.1。
Ubuntu22.04安装CUDA和cuDNN详细过程记录
热门推荐
专注人工智能，主攻CV
11-05 5万+
Ubuntu22.04安装CUDA和cuDNN详细过程记录
CUDA与cuDNN在linux / Ubuntu22.04上的安装与卸载，包含CUDA的.run安装与.deb安装，cuDNN的.tar安装与.deb安装
weixin_47937828的博客
08-15 7027
主要关注CUDA与cuDNN在linux / Ubuntu22.04上的安装与卸载。 1. 整合了两种CUDA安装方式（.run与.deb）、两种cuDNN的安装方式（.tar.xz与.deb），网上好像没什么人做这个 2. 整合了CUDA与cuDNN的官方样例代码的测试方法 3. 整合了CUDA与cuDNN的版本切换方法，尤其是完善的使用脚本的一键切换版本方法（部分代码由GPT辅助生成） 4. 整合了CUDA与cuDNN的彻底卸载方法
从零开始搭建深度学习Ubuntu22.04+cuda+cudnn+pytorch+pycharm环境
qq_60488118的博客
09-23 666
深度学习环境搭建全流程
cuda和cudnn的安装(ubuntu22.04环境)
Qinghub‘博客
04-26 834
cuda和cuDNN的安装配置(ubuntu22.04环境)
Ubuntu 22.04安装cuda及Pytorch教程
酒酿小圆子呀～
06-06 7836
在PyTorch中使用CUDA，。： 首先，确保你的GPU支持CUDA。你可以在官方CUDA支持列表上查找你的GPU型号。或者直接命令行nvidia-smi进行查看。： 下载并安装与你的GPU型号匹配的CUDA Toolkit。你可以从NVIDIA官网下载。在安装期间，可以选择安装适用于你的系统的CUDNN库。： cuDNN是NVIDIA的深度神经网络库，可以加速深度学习任务。在CUDNN下载页面下载适用于你的CUDA版本的cuDNN，并按照安装说明进行安装。
Ubuntu22.04系统安装软件、显卡驱动、cuda、cudnn、pytorch
小新
12-28 9168
这篇博客主要讲解的是Ubuntu22.04系统安装软件、显卡驱动、cuda、cudnn、pytorch 等软件和环境的安装和配置。
【环境搭建】（五）Ubuntu22.04安装cuda_11.8.0+cudnn_8.6.0
weixin_41809117的博客
04-10 9102
一个愿意伫立在巨人肩膀上的农民......
【Ubuntu 22.04安装CUDA】
MEREDITH5948的博客
06-17 4823
ubuntu2204 cuda
ubuntu22.04 安装cuda
keyboard专栏
12-08 1266
CUDA（Compute Unified Device Architecture）是由 NVIDIA 开发的一种并行计算平台和编程模型。它允许开发者利用 NVIDIA 的 GPU（图形处理单元）进行高效的计算处理。CUDA 通过提供一系列的 C、C++ 和 Fortran 扩展，使得开发者能够在 GPU 上执行复杂的计算任务。CUDA 的主要作用包括：加速计算：通过 GPU 执行并行处理，CUDA 可以显著加快许多类型的计算，特别是对于大数据和复杂计算任务。
Linux|ubuntu22.04安装CUDA最新完整教程
weixin_43356770的博客
05-23 1万+
流程：安装前检查->安装->安装后配置 版本: CUDA12.5系统: Ubuntu22.04内核: 6.5.0-35-generic本文参考官方指南。
ubuntu22.04 安装cuda和cudnn
最新发布
01-06
### 如何在 Ubuntu 22.04 上安装 CUDA 和 cuDNN #### 下载并准备安装文件 前往 NVIDIA 的官方网站来获取适用于 Ubuntu 22.04 的 CUDA 工具包本地 Debian 安装包[^2]。确保按照 CPU 架构和其他硬件特性挑选恰当的版本。 对于 cuDNN 库，则需访问对应的页面找到与所选 CUDA 版本相匹配的 cuDNN 文件，并下载压缩包形式的资源[^5]。 #### 更新系统软件源列表 为了使后续操作顺利，在开始之前应该先更新系统的 APT 软件源索引： ```bash sudo apt update && sudo apt upgrade -y ``` #### 安装依赖项 某些必要的开发工具和库可能尚未被预装，因此建议预先执行如下命令以添加这些组件： ```bash sudo apt install build-essential dkms linux-headers-$(uname -r) ``` #### 执行 CUDA 安装流程 一旦获得了正确的 .deb 文件之后，可以通过 dpkg 命令完成 CUDA 的部署工作： ```bash sudo dpkg -i cuda-repo-ubuntu2204_12.1.0-1_amd64.deb sudo cp /var/cuda/repos/ubuntu2204/x86_64/7fa2af80.pub /etc/apt/trusted.gpg.d/ sudo apt-get update sudo apt-get -y install cuda ``` 注意这里假设已经得到了名为 `cuda-repo-ubuntu2204_12.1.0-1_amd64.deb` 的具体 deb 包名；实际过程中应当依据实际情况调整该名称。 #### 设置环境变量 为了让系统能够识别新安装好的 CUDA 编译器及相关路径，编辑用户的 shell 配置文件（比如 `.bashrc` 或者其他根据使用的 Shell 类型而定），加入以下两行内容以便于每次登录时自动加载所需的环境设置： ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 接着运行 source ~/.bashrc 来即时生效更改后的配置。 #### 解压并复制 cuDNN 文件到指定位置 解压缩刚才下载下来的 cuDNN 归档文件至临时目录内，再把其中包含头文件以及共享对象链接库移动到 `/usr/local/cuda` 目录结构下的相应子文件夹里去： ```bash tar -xvf cudnn-linux-x86_64-8.x.x.x_cudaX.Y-archive.tar.xz sudo cp cudnn-*-archive/include/* /usr/local/cuda/include/ sudo cp cudnn-*-archive/lib/* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/* sudo chmod a+r /usr/local/cuda/lib64/* ``` 这里的 X.Y 表示具体的 CUDA 主次版本号，请替换为实际数值。 #### 测试验证安装成果 最后一步是要确认整个过程无误，可以尝试编译一个简单的测试程序样例来看看能否成功调用 GPU 加速功能。这通常位于 `/usr/local/cuda/samples/` 中间的一个 C/C++ 源码项目，通过 makefile 进行构建即可。
评论
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