Ubuntu20.04CUDA及cuDNN安装教程

概述

在 Ubuntu 20.04 上部署深度学习环境，通常需要安装 NVIDIA 驱动、CUDA Toolkit 与 cuDNN。本文以 CUDA 11.8 + cuDNN 8.9 组合为例，记录从驱动卸载、安装到验证的完整流程，并附版本对应表与常见问题处理。

安装前准备

1. 硬件与系统要求

• GPU 需支持 CUDA（如 RTX 20/30/40 系列）。
• 系统：Ubuntu 20.04 LTS 64-bit，建议内存 8GB 以上。
• CUDA 11.8 需 NVIDIA 驱动 525.60.13 或更高。

2. 检查当前驱动

lspci | grep -i nvidia
nvidia-smi

安装 NVIDIA 驱动

1. 卸载旧驱动

sudo apt-get purge nvidia* -y
sudo apt autoremove --purge -y
sudo rm -rf /etc/X11/xorg.conf*

2. 安装推荐驱动

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
sudo ubuntu-drivers autoinstall

或手动指定版本：sudo apt install nvidia-driver-525 -y。安装后重启。

sudo reboot
nvidia-smi

安装 CUDA Toolkit 11.8

1. 添加 CUDA 仓库

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/keys/deb/repos/ubuntu2004/x86_64/7fa2af80.pub
sudo apt-key add 7fa2af80.pub
sudo apt-add-repository "deb https://developer.download.nvidia.com/compute/cuda/11.8.0/local_debianrepos/cuda-ubuntu2004-pool/ /"

2. 安装并配置环境变量

sudo apt-get update
sudo apt-get install cuda -y

export PATH=/usr/local/cuda-11.8/binPATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda-11.8

将上述三行写入 ~/.bashrc 末尾并 source ~/.bashrc 使其生效。

3. 验证 CUDA

nvcc --version
cd /usr/local/cuda-11.8/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery   # 输出 Result = PASS

安装 cuDNN 8.9

1. 下载并解压

在 NVIDIA 官网下载与 CUDA 11.8 匹配的 cuDNN 8.9.5（cudnn-linux-x64-v8.9.5.25.tgz），解压后复制文件：

tar -xzvf cudnn-linux-x64-v8.9.5.25.tgz
sudo cp cuda/include/cudnn*.h /usr/local/cuda-11.8/include/
sudo cp cuda/lib/x64/libcudnn* /usr/local/cuda-11.8/lib64/
sudo chmod a+r /usr/local/cuda-11.8/include/cudnn*.h
sudo chmod a+r /usr/local/cuda-11.8/lib64/libcudnn*

2. 验证 cuDNN

nvcc -o cudnnTest cudnnTest.cu -lcudnn
./cudnnTest   # 输出 cuDNN 版本: 8905

常见问题

• 驱动冲突黑屏：进入 TTY（Ctrl+Alt+F2）重装驱动。
• 环境变量未生效：检查 ~/.bashrc 路径并执行 source ~/.bashrc。
• 样本编译失败：安装 build-essential freeglut3-dev 后重新编译。
• 版本不匹配：用 nvidia-smi 确认驱动版本支持所选 CUDA。

验证深度学习框架

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

import torch
print(torch.cuda.is_available())        # True
print(torch.cuda.get_device_name(0))    # GPU 名称

版本对应表

CUDA 版本	cuDNN 版本	驱动版本	深度学习框架
11.8	8.9.5	525.60.13+	PyTorch 2.1+, TF 2.13+
11.7	8.6.0	515.65.01+	PyTorch 1.13+, TF 2.11+

小结

按"驱动 → CUDA → cuDNN → 框架"的顺序安装并逐步验证，可以避免多数环境冲突问题。

qidao123.com企服评测-应用市场 编辑提示