《在 Ubuntu 22.04 上安装 CUDA 11.8 和 Anaconda,并配置环境变量》


安装 CUDA 11.8 和 Anaconda 并配置环境变量

在本教程中,我们将介绍如何在 Ubuntu 22.04 上安装 CUDA 11.8Anaconda,并配置相应的环境变量。我们还将配置使用 阿里云镜像源 来加速软件包更新。以下是具体步骤。

步骤 1:更新软件源

首先,更新系统的软件源,并切换到 阿里云镜像源 来加速 Ubuntu 软件包的下载。

  1. 备份 /etc/apt/sources.list 文件

    在编辑 /etc/apt/sources.list 之前,最好先进行备份,以防出现问题时可以恢复。使用以下命令备份文件:

    sudo mv /etc/apt/sources.list /etc/apt/sources.list.bak
    
  2. 修改 /etc/apt/sources.list 文件,将以下内容添加到文件中(根据你的 Ubuntu 版本修改 jammy 为你当前的版本):

    sudo vim /etc/apt/sources.list
    

    在文件中添加以下阿里云镜像源:

    # 阿里云镜像源
    deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
    deb-src http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
    
    # 安全更新
    deb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
    deb-src http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
    
    # 软件更新
    deb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
    deb-src http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
    
    # 提议的更新
    deb http://mirrors.aliyun.com/ubuntu/ jammy-proposed main restricted universe multiverse
    deb-src http://mirrors.aliyun.com/ubuntu/ jammy-proposed main restricted universe multiverse
    
    # 回退包
    deb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse
    deb-src http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse
    
  3. 更新软件包

    sudo apt update
    sudo apt upgrade
    

步骤 2:安装 gccg++

为了安装 CUDA,我们需要确保系统中有支持的 gccg++ 版本。

  1. 安装 gcc 和 g++ 版本 11

    sudo apt install gcc-11 g++-11
    

    如果遇到错误:
    如果你在执行上述命令时出现了错误,比如找不到 gccg++,请确保已安装这些工具并更新系统:

    sudo apt install gcc g++
    
  2. 检查 gcc 版本

    gcc --version
    

    如果看到如下错误:

    Command 'gcc' not found, but can be installed with:
    apt install gcc
    

    那么请执行以下命令来安装 gcc

    sudo apt install gcc
    

步骤 3:安装 CUDA 11.8

接下来,我们下载并安装 CUDA 11.8

  1. 下载 CUDA 11.8 本地安装包

    wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
    
  2. 运行安装程序

    sudo sh cuda_11.8.0_520.61.05_linux.run
    

    如果出现错误:
    在运行 CUDA 安装时,遇到如下错误:

    Failed to verify gcc version. See log at /var/log/cuda-installer.log for details.
    

    这通常是因为系统中没有正确的 gcc 版本或者版本不兼容。解决此问题的方法是确认你安装的 gcc 版本为 gcc-11。运行以下命令确认安装:

    gcc --version
    

    如果版本不符,可以通过如下命令安装正确版本的 gcc

    sudo apt install gcc-11
    

步骤 4:下载和安装 CUDA .deb 文件

  1. 下载 CUDA .deb 文件

    wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda-repo-ubuntu2204-11-8-local_11.8.0-520.61.05-1_amd64.deb
    
  2. 安装 .deb 文件

    sudo dpkg -i cuda-repo-ubuntu2204-11-8-local_11.8.0-520.61.05-1_amd64.deb
    
  3. 复制 GPG 密钥并更新 apt

    sudo cp /var/cuda-repo-ubuntu2204-11-8-local/cuda-*-keyring.gpg /usr/share/keyrings/
    sudo apt-get update
    
  4. 安装 CUDA

    sudo apt-get -y install cuda
    

    如果遇到依赖问题:
    如果在安装时出现依赖问题,可以运行以下命令来修复它们:

    sudo apt --fix-broken install
    

步骤 5:配置环境变量

为了使 CUDA 工具和库可用,配置环境变量。

  1. 配置环境变量

    打开 .bashrc 文件并添加以下行:

    vim ~/.bashrc
    

    添加以下行以更新 PATHLD_LIBRARY_PATH 环境变量:

    export PATH=/usr/local/cuda-12.8/bin:$PATH
    export LD_LIBRARY_PATH=/usr/local/cuda-12.8/lib64:$LD_LIBRARY_PATH
    
  2. 应用更改并检查环境变量

    source ~/.bashrc
    echo $PATH
    echo $LD_LIBRARY_PATH
    

步骤 6:安装 Anaconda

  1. 下载 Anaconda 安装脚本

    wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh
    
  2. 赋予安装脚本执行权限

    chmod +x Anaconda3-2024.02-1-Linux-x86_64.sh
    
  3. 运行 Anaconda 安装程序

    bash Anaconda3-2024.02-1-Linux-x86_64.sh
    
  4. 配置 Anaconda 环境变量

    打开 .bashrc 文件并添加 Anaconda 的 bin 目录到 PATH

    vim ~/.bashrc
    

    在文件末尾添加:

    export PATH="~/anaconda3/bin:$PATH"
    

    然后应用更改:

    source ~/.bashrc
    
  5. 验证安装

    echo $PATH
    

总结

通过以上步骤,你已经成功在 Ubuntu 22.04 上安装了 CUDA 11.8Anaconda,并配置了相应的环境变量以使其生效。这样你就可以在你的 Ubuntu 系统中开始使用 CUDA 加速的深度学习框架和其他应用程序了。

如果你在安装过程中遇到任何问题,或者有任何疑问,欢迎在评论区留言!


### 安装 PyTorch 的方法 为了在 Ubuntu 22.04 CUDA 11.8 环境下正确安装 PyTorch,可以按照以下方式操作: #### 配置环境 确保已正确配置好 NVIDIA GPU 驱动程序以及 CUDA 工具链。对于 Ubuntu 22.04 来说,推荐使用的 CUDA 版本范围为大于 11.4 小于等于 12.4[^1]。具体到此场景中,CUDA 11.8 是兼容的选择。 下载安装 CUDA Toolkit 及 cuDNN 库时可参考官方文档链接提供的资源地址[^3]。完成这些基础组件部署之后再继续下一步骤。 #### 使用 Conda 创建虚拟环境 如果尚未设置 Anaconda 或 Miniconda,则建议先安装其中之一来管理依赖关系隔离不同项目所需的库版本。创建一个新的 conda 虚拟环境用于运行基于 PyTorch 的应用程序: ```bash conda create --name pytorch_env python=3.10 conda activate pytorch_env ``` #### 安装特定版本的 PyTorch 针对所选的操作系统 (Ubuntu 22.04),GPU 加速框架 (CUDA 11.8),可以从 PyTorch 提供的支持页面获取适合当前硬件条件下的命令行指令[^4]。执行如下命令以安装适配好的 PyTorch 包及其相关依赖项: ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 ``` 上述 URL 参数指定加载对应于 CUDA 11.8 的二进制文件集合;如果没有显卡或者希望仅利用 CPU 进行计算的话,请移除 `--index-url` 参数从而默认采用无加速模式编译版。 另外,在某些特殊情况下可能还需要额外手动引入其他扩展模块比如因果卷积层实现(`causal_conv1d`)等第三方插件[^2]: ```bash pip install causal_conv1d-1.5.0.post8+cu11torch2.5cxx11abiFALSE-cp310-cp310-linux_x86_64.whl ``` 最后验证安装成功与否可以通过简单测试脚本来确认是否能够正常调用设备功能。 ```python import torch print(torch.cuda.is_available()) # Should output True if everything is set up correctly. ```
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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