f 运维.售后-Ubuntu20.04CUDA及cuDNN安装教程 - Powered by qidao123.com技术社区

Ubuntu20.04CUDA及cuDNN安装教程

风雨同行  论坛元老 | 2025-5-2 06:23:01 | 显示全部楼层 | 阅读模式
打印 上一主题 下一主题
楼主

主题 1804|帖子 1804|积分 5412

马上注册，结交更多好友，享用更多功能，让你轻松玩转社区。

您需要 登录 才可以下载或查看，没有账号？立即注册

x
以下是针对 Ubuntu 20.04 安装 CUDA 和 cuDNN 的具体教程，包含版本选择、步调表明、验证方法及常见问题办理方案：
一、安装前的准备

1. 硬件与体系要求



  • GPU 支持：确保你的 NVIDIA GPU 支持 CUDA（如 RTX 20/30/40 系列、Titan 系列等）。
  • 体系版本：Ubuntu 20.04 LTS（64-bit）。
  • 最小内存：建议至少 8GB RAM。
2. 检查当前驱动

  1. lspci | grep -i nvidia  # 查看是否有 NVIDIA GPU
  2. nvidia-smi             # 若已安装驱动，会显示 GPU 状态
复制代码
3. 确定 CUDA 和 cuDNN 版本



  • CUDA 版本：根据你的 GPU 型号和深度学习框架需求选择。比方：

    • RTX 30 系列可选 CUDA 11.8（支持最新驱动）。
    • 若需 TensorFlow 2.x 或 PyTorch 2.x，CUDA 11.8 和 cuDNN 8.9 是常见组合。

  • cuDNN 版本：需与 CUDA 版本严格匹配（如 CUDA 11.8 对应 cuDNN 8.9）。
  • 驱动版本：CUDA 11.8 需 NVIDIA 驱动 525.60.13 或更高。
二、安装 NVIDIA 驱动

1. 卸载旧驱动（如有）

  1. # 卸载旧的 NVIDIA 相关包
  2. sudo apt-get purge nvidia* -y
  3. sudo apt autoremove --purge -y
  4. sudo apt-get remove --auto-remove nvidia*
  6. # 删除旧的配置文件
  7. sudo rm -rf /etc/X11/xorg.conf*
复制代码
2. 安装最新驱动（保举方法）

  1. # 添加官方驱动仓库
  2. sudo add-apt-repository ppa:graphics-drivers/ppa
  3. sudo apt update
  5. # 安装推荐驱动（自动选择最佳版本）
  6. sudo ubuntu-drivers autoinstall
  8. # 或手动安装指定驱动版本（如 525）
  9. sudo apt install nvidia-driver-525 -y
复制代码
3. 重启体系

  1. sudo reboot
复制代码
4. 验证驱动安装

  1. nvidia-smi          # 应显示驱动版本和 GPU 信息
  2. nvidia-settings     # 图形界面工具，可查看详细信息
复制代码
三、安装 CUDA Toolkit

1. 添加 CUDA 堆栈

  1. # 下载并配置仓库优先级（确保 CUDA 优先于其他版本）
  2. wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
  3. sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
  5. # 下载公钥
  6. wget https://developer.download.nvidia.com/compute/cuda/keys/deb/repos/ubuntu2004/x86_64/7fa2af80.pub
  7. sudo apt-key add 7fa2af80.pub
  9. # 添加 CUDA 仓库源（以 CUDA 11.8 为例）
  10. sudo apt-add-repository "deb https://developer.download.nvidia.com/compute/cuda/11.8.0/local_debianrepos/cuda-ubuntu2004-pool/ /"
复制代码
2. 更新并安装 CUDA

  1. sudo apt-get update
  2. sudo apt-get install cuda -y
复制代码
3. 配置情况变量

  1. # 编辑 ~/.bashrc 或 ~/.zshrc（取决于你的 shell）
  2. nano ~/.bashrc
  4. # 在文件末尾添加以下内容：
  5. export PATH=/usr/local/cuda-11.8/bin:$PATH
  6. export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
  7. export CUDA_HOME=/usr/local/cuda-11.8
  9. # 使配置生效
  10. source ~/.bashrc
复制代码
4. 验证 CUDA 安装

  1. # 查看 CUDA 版本
  2. nvcc --version
  4. # 运行示例程序（需编译）
  5. cd /usr/local/cuda-11.8/samples/1_Utilities/deviceQuery
  6. sudo make
  7. ./deviceQuery
  9. # 输出应显示 "Result = PASS"
复制代码
四、安装 cuDNN

1. 下载 cuDNN



  • 访问 NVIDIA cuDNN 下载页面。
  • 登录 NVIDIA 账户（没有则需注册）。
  • 选择版本：根据 CUDA 版本选择对应的 cuDNN：

    • CUDA 11.8 对应 cuDNN 8.9.5（下载 cudnn-linux-x64-v8.9.5.25.tgz）。

  • 下载完成后解压：
  1. tar -xzvf cudnn-linux-x64-v8.9.5.25.tgz
复制代码
2. 安装 cuDNN

  1. # 复制文件到 CUDA 目录
  2. sudo cp cuda/include/cudnn*.h /usr/local/cuda-11.8/include/
  3. sudo cp cuda/lib/x64/libcudnn* /usr/local/cuda-11.8/lib64/
  5. # 设置权限
  6. sudo chmod a+r /usr/local/cuda-11.8/include/cudnn*.h
  7. sudo chmod a+r /usr/local/cuda-11.8/lib64/libcudnn*
  9. # 创建符号链接（可选）
  10. sudo ln -s /usr/local/cuda-11.8/lib64/libcudnn.so.8.9.5 /usr/local/cuda-11.8/lib64/libcudnn.so
复制代码
3. 验证 cuDNN

  1. # 编写测试代码（保存为 cudnnTest.cu）
  2. nano cudnnTest.cu
复制代码
cudnnTest.cu 内容：
  1. #include <cudnn.h>
  2. #include <stdio.h>
  4. int main() {
  5.     cudnnHandle_t handle;
  6.     cudnnStatus_t status = cudnnCreate(&handle);
  7.     if (status != CUDNN_STATUS_SUCCESS) {
  8.         printf("cuDNN 初始化失败！\n");
  9.         return -1;
  10.     }
  11.     printf("cuDNN 版本: %d\n", CUDNN_VERSION);
  12.     cudnnDestroy(handle);
  13.     return 0;
  14. }
复制代码
编译并运行：
  1. nvcc -o cudnnTest cudnnTest.cu -lcudnn
  2. ./cudnnTest
  4. # 输出应显示类似 "cuDNN 版本: 8905"（8.9.5 对应 8905）
复制代码
五、常见问题办理

1. 驱动辩论导致无法启动 GUI

  1. # 若重启后黑屏，尝试进入 TTY 终端（Ctrl+Alt+F2）
  2. # 卸载驱动并重新安装
  3. sudo apt-get purge nvidia* -y
  4. sudo apt-get install nvidia-driver-525 -y
  5. sudo reboot
复制代码
2. 情况变量未见效



  • 检查 ~/.bashrc 或 ~/.zshrc 中的路径是否精确。
  • 确保实行 source ~/.bashrc 或重新登录终端。
3. CUDA 样本程序编译失败

  1. # 安装开发工具包
  2. sudo apt-get install build-essential freeglut3-dev
  4. # 重新编译示例
  5. cd /usr/local/cuda-11.8/samples/1_Utilities/deviceQuery
  6. sudo make clean && sudo make
复制代码
4. 权限问题

  1. # 若提示权限不足，使用 sudo 或修改文件权限
  2. sudo chmod +x /usr/local/cuda-11.8/bin/*
复制代码
5. 版本不匹配



  • CUDA 与驱动版本不匹配：
    1. # 查看驱动版本
    2. nvidia-smi
    4. # 确保 CUDA 版本与驱动兼容（如驱动 525 需 CUDA 11.8）
    复制代码
六、深度学习框架验证

1. 安装 PyTorch

  1. # 指定 CUDA 版本安装（如 CUDA 11.8）
  2. pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
复制代码
2. 验证 PyTorch

  1. import torch
  2. print(torch.__version__)      # 查看版本
  3. print(torch.cuda.is_available())  # 应输出 True
  4. print(torch.cuda.get_device_name(0))  # 显示 GPU 名称
复制代码
七、附录：版本对应表

CUDA 版本cuDNN 版本NVIDIA 驱动版本对应深度学习框架11.88.9.5525.60.13+PyTorch 2.1+, TF 2.13+11.78.6.0515.65.01+PyTorch 1.13+, TF 2.11+
通过以上步调，您应该能够顺遂完成 CUDA 和 cuDNN 的安装与验证。

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。
回复

使用道具 举报

0 个回复

倒序浏览
返回列表

快速回复

高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 or 立即注册

本版积分规则

风雨同行

论坛元老
这个人很懒什么都没写!

楼主热帖

标签云

渠道 国产数据库 集成商 AI 运维 CIO 存储 服务器
微信订阅号
微信服务号
微信客服
小程序
H5
关于我们 商务合作 网站地图
©Copyright 2022-2024 杭州祥升科技有限公司 版权所有 浙ICP备20004199号
快速回复 返回顶部 返回列表