全网最详细教你在Ubuntu20.04安装NVIDIA 驱动+CUDA+cuDNN（避坑版 | 图文详 ...

前言

在深度学习和高性能计算领域，NVIDIA 的 GPU 提供了强大的加快性能，使得各种计算任务（如神经网络练习、科学计算等）能够高效运行。为了充分利用 NVIDIA GPU 的计算能力，我们必要安装 NVIDIA 驱动、CUDA Toolkit 和 cuDNN。这三者相互配合，构成了一个完整的开辟和运行环境，能够资助开辟者高效地利用 GPU 进行深度学习任务。
组件作用依靠关系NVIDIA 驱动提供 GPU 与操纵体系的接口，管理 GPU 的资源与运行环境。NVIDIA 驱动是运行 CUDA 和 cuDNN 的底子，必须安装。CUDA Toolkit提供 GPU 加快的编程框架和库，答应开辟者在 GPU 上运行并行计算。依靠于 NVIDIA 驱动，必须先安装驱动才气利用 CUDA。cuDNNNVIDIA 提供的深度学习加快库，优化了神经网络的计算。依靠于 CUDA Toolkit，必须先安装 CUDA 才气利用 cuDNN。 在本篇文章中，我将详细介绍怎样在 Ubuntu 20.04 体系上安装和设置 NVIDIA 驱动、CUDA Toolkit 和 cuDNN。这篇文章不仅包含了从安装到设置的完整过程，还将详细讲解每一步的操纵，资助你顺遂完成安装。本文也是我在多次踩坑后的经验总结，针对常见的坑进行了详细的说明，确保你能够避免错误并顺遂搭建起高效的开辟环境。

---

一、安装 NVIDIA 驱动

1. 更新体系（必须）

起首，确保你的体系是最新的，运行以下命令：

1. sudo apt update
2. sudo apt upgrade
3. sudo apt dist-upgrade

复制代码

2. 禁用 Nouveau 驱动（必须）

NVIDIA 驱动程序必要禁用 Ubuntu 默认利用的 Nouveau 开源驱动。你可以通过以下步骤来禁用 Nouveau 驱动：

• 创建一个新的黑名单文件：
  
  1. sudo nano /etc/modprobe.d/blacklist-nouveau.conf

  复制代码
• 在文件中添加以下内容，然后保存并退出：
  
  1. blacklist nouveau
  2. options nouveau modeset=0

  复制代码
  
  
  
• 终端实行以下命令，更新 initramfs：
  
  1. sudo update-initramfs -u

  复制代码
• 重启体系以使更改收效：
  
  1. sudo reboot

  复制代码

3. 禁用 i915 驱动（视环境而定）

• 打开 Windows体系 的设备管理器，点击显示适配器，如图所示我的包括 Intel(R) UHD Graphics 和 NVIDIA GeForce RTX 4050 Laptop GPU，说明我必要禁用集成显卡，以便让独立显卡负责所有图形处置处罚。
  
  
  
         对于 Ubuntu 体系，如果你的计算机同样配备了集成显卡（如 Intel UHD Graphics）和独立显卡（如NVIDIA GeForce RTX），大概会遇到类似的题目。默认环境下，Ubuntu 会启用集成显卡驱动（i915驱动），这大概与独立显卡（NVIDIA 驱动）发生冲突，导致体系在启动时出现图形题目或性能瓶颈，如下图：
     
  
  
  
• 为了解决这一题目，我们可以禁用 i915 驱动，让体系只利用独立显卡。起首，打开终端并编辑 GRUB 设置文件：
  
  1. sudo nano /etc/default/grub

  复制代码
• 找到以下行：
  
  1. GRUB_CMDLINE_LINUX_DEFAULT="quiet splash"

  复制代码
  在这一行末尾添加 nomodeset 和 i915.modeset=0，如下所示，然后保存并退出：
  
  1. GRUB_CMDLINE_LINUX_DEFAULT="quiet splash nomodeset i915.modeset=0"

  复制代码
  
  
  • nomodeset：禁用内核模式设置，防止在启动时加载图形驱动。
    
  • i915.modeset=0：禁用 i915 驱动的模式设置，确保体系倒霉用 Intel 集成显卡。
    
     
  
• 修改完设置文件后，必要更新 GRUB 设置，使修改收效：
  
  1. sudo update-grub

  复制代码

4. 安装 NVIDIA 驱动

方法 1：通过软件更新器安装（推荐）

• 在开始菜单中搜刮并打开软件和更新。
  
• 切换到附加驱动选项卡，选择体系推荐的附加驱动，并点击应用更改(A)。体系会自动下载并安装所选驱动，稍等片刻即可完成安装。
  
  
  
  

方法 2：通过 Ubuntu 包管理器安装

Ubuntu 20.04 提供了对 NVIDIA 驱动的支持，可以通过 apt 包管理器来安装官方驱动。

• 运行以下命令以添加 NVIDIA 驱动的 PPA 存储库：
  
  1. sudo add-apt-repository ppa:graphics-drivers/ppa
  2. sudo apt update

  复制代码
• 利用 ubuntu-drivers devices 命令来查看体系推荐的 NVIDIA 驱动版本。这个命令会扫描你的硬件并列出得当你体系的驱动版本，如下图所示：
  
  
  
  在我的体系中，推荐的 NVIDIA 驱动是 nvidia-driver-535-server-open（详细推荐版本大概因硬件不同而有所不同）。
  
• 根据 ubuntu-drivers devices 命令输出的推荐驱动版本，利用 apt 安装得当的 NVIDIA 驱动。比方，假设推荐的驱动版本为 nvidia-driver-535-server-open，你可以运行以下命令进行安装：
  
  1. sudo apt install nvidia-driver-535-server-open

  复制代码

5. 重启体系

• 安装完成后，重启计算机以确保新的驱动程序收效：
  
  1. sudo reboot

  复制代码
• 可以利用以下命令查抄 NVIDIA 驱动是否精确安装：
  
  1. nvidia-smi

  复制代码
  如果显示了 GPU 的相关信息（如下图所示，必要记住图中标注的CUDA Version，下面会用到），说明安装乐成。
  
  
  
  

---

二、安装 CUDA Toolkit

1. 打开官网

• 打开 NVIDIA官网 CUDA Toolkit 下载页面
  
• 下滑找到并点击 <= CUDA Version 的CUDA Toolkit下载链接（如图我选择了CUDA Toolkit 12.1.1的下载链接，由于我的CUDA Version：12.2）
  
  
  
  
• 依次选择Linux->x86_64->Ubuntu->20.04->runfile(local)
  
  
  
  

2. 安装CUDA Toolkit

• 安装CUDA Toolkit之前必要起首安装一些相互依靠的库文件
  
  1. sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

  复制代码
• 下滑找到Base Installer模块
  
  
  
  
• 终端实行安装命令：
  
  1. wget https://developer.download.nvidia.com/compute/cuda/12.1.1/local_installers/cuda_12.1.1_530.30.02_linux.run
  2. sudo sh cuda_12.1.1_530.30.02_linux.run

  复制代码
  运行上面指令后，稍等片刻会弹出如下界面，选择Continue并按回车。
  
  
  
  输入accept并按回车。
  
  
  
  接着，如下图所示，在弹出的界面中通过Enter键，取消Driver和530.30.02的安装，然后点击Install，等待…
  
  
  
         提示：是否必要安装 nvidia-fs（NVIDIA 提供的一个特殊文件体系，用于管理和优化 NVIDIA 驱动和硬件资源的交互）？
  
  
  
  • 普通用户：如果你只是进行根本的 CUDA 开辟或运行应用程序，不必要特定的文件体系优化，通常不必要选择安装 nvidia-fs。
    
  • 高性能计算或集群环境：如果你在设置集群或实行必要大量数据传输的高性能计算任务时，nvidia-fs 大概会提供性能优化。
    
      如下图所示，安装完毕，CUDA Toolkit 已乐成安装，但 CUDA 驱动（Driver）没有被安装（正常征象，由于刚才我们取消勾选了Driver和530.30.02的安装）
  
  
  
  
  

3. 设置环境变量

• 打开终端，实行以下命令编辑 .bashrc 文件：
  
  1. nano ~/.bashrc

  复制代码
• 在 .bashrc 文件的末尾添加以下几行：
  
  1. # CUDA Environment Variables for CUDA 12.1
  2. export PATH=/usr/local/cuda-12.1/bin:$PATH
  3. export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64:$LD_LIBRARY_PATH
  4. export LIBRARY_PATH=/usr/local/cuda-12.1/lib64:$LIBRARY_PATH

  复制代码
  这些行会将 CUDA 可实行文件目录添加到 PATH 环境变量中，并将 CUDA 库目录添加到 LD_LIBRARY_PATH 环境变量中。这样，体系就能精确地找到 CUDA 的工具和库文件。
         留意：必要将所有的12.1换成你安装的CUDA Version版本
     
  
  
  
• 保存并退出编辑器后，运行以下命令来使环境变量收效：
  
  1. source ~/.bashrc

  复制代码
• 为了验证环境变量是否已精确设置，可以运行以下命令来查抄 PATH 和 LD_LIBRARY_PATH 是否包含 CUDA 目录：
  
  1. echo $PATH
  2. echo $LD_LIBRARY_PATH

  复制代码
  
  
  别的，运行 nvcc 命令，查看 CUDA 编译器是否可用：
  
  1. nvcc --version

  复制代码
  如果显示 CUDA 的版本信息，则说明环境变量已精确设置。
  
  
  
  

---

三、安装 cuDNN

1. 打开官网

• 打开 NVIDIA cuDNN 汗青下载页面
  
• 根据本身下载的CUDA Toolkit版本点击相应的cuDNN版本
  
• 点击Local Installer for Linux x86 64 (Tar)（必要登录 NVIDIA 开辟者账号，推荐Google登录），稍等片刻…
  
  
  
  

2. 安装cuDNN

• 解压下载的 cuDNN 安装包（cudnn-linux-x86_64-8.9.5.30_cuda12-archive.tar.xz更换为你的安装包的文件名）
  
  1. tar -xvf cudnn-linux-x86_64-8.9.5.30_cuda12-archive.tar.xz

  复制代码
  
  
  
• 解压完成后，终端进入下载目录，必要将 cuDNN 文件复制到 CUDA 的相应目录中（cudnn-linux-x86_64-8.9.5.30_cuda12-archive更换为你解压后的文件名，cuda-12.1更换为你的 CUDA Toolkit版本）：
  
  1. cd ~/下载
  2. sudo cp -r cudnn-linux-x86_64-8.9.5.30_cuda12-archive/include/* /usr/local/cuda-12.1/include/
  3. sudo cp -r cudnn-linux-x86_64-8.9.5.30_cuda12-archive/lib/* /usr/local/cuda-12.1/lib64/

  复制代码
• 确保复制的 cuDNN 文件具有适当的权限，以便其他用户能够访问它们（cuda-12.1更换为你的 CUDA Toolkit版本）：
  
  1. sudo chmod a+r /usr/local/cuda-12.1/include/cudnn*.h
  2. sudo chmod a+r /usr/local/cuda-12.1/lib64/libcudnn*

  复制代码
• 安装完成后，运行以下命令验证 cuDNN 是否精确安装：
  
  1. cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

  复制代码
        留意：在较新版本的 cuDNN（如 8.0 及以上）中，cudnn.h 文件不再直接包含版本号宏定义（如CUDNN_MAJOR、CUDNN_MINOR 等），相反，版本信息被移到了 cudnn_version.h 文件中。cuDNN版本 8.0 以下的版本利用命令cat /usr/local/cuda-12.1/include/cudnn_version.h | grep CUDNN_MAJOR -A 2 (cuda-12.1更换为你的 CUDA Toolkit版本)验证安装是否完成。
      如图所示说明cuDNN安装完成，表示安装的 cuDNN 版本为 8.9.5
  
  
  
  

---

末端

通过本篇文章，我们详细介绍了怎样在 Ubuntu 20.04 体系上安装和设置 NVIDIA 驱动、CUDA Toolkit 和 cuDNN，以及它们在深度学习开辟中的紧张性。从体系更新、驱动安装到 CUDA 和 cuDNN 的设置，每一步都涵盖了详细的操纵流程和常见题目的解决方案。
经过这些步骤，你的体系将具备强大的 GPU 加快能力，能够高效地进行深度学习任务的练习和推理工作。无论你是新手还是有一定经验的开辟者，这篇文章都能资助你顺遂完成环境搭建，避免安装过程中的一些常见错误。
希望这篇文章能为你节流时间，避免踩坑，让你更专注于深度学习项目的开辟。祝你在 AI 和高性能计算的道路上取得更多的成果！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。