【ubuntu20.04情况搭建】（驱动、CUDA、CUDNN、Anaconda安装）一文全搞定

一、先说结论：Ubuntu 20.04 搭 AI 环境的正确顺序

驱动 → CUDA → CUDNN → Anaconda，这四步有严格的先后顺序：CUDA 版本要「低于驱动版本 1–2 个大版本」（考虑兼容性），CUDNN 要匹配 CUDA 版本，Anaconda 最后装且只负责 Python 环境。顺序错了，后面几乎全是报错。

整条链路里最容易翻车的三处： nouveau 驱动没禁干净（装驱动装不上）、nvidia-smi 通信失败（重启即可）、CUDNN 8.0+ 忘了复制 cudnn_version.h（验证卡住）。

二、第一步：装显卡驱动

1. 预备工作：禁用 nouveau 驱动

nouveau 是 Ubuntu 自带的开源显卡驱动，它会和 NVIDIA 驱动抢设备节点，不先禁掉，后面安装必然失败。

1. 看当前有没有加载：lsmod | grep nouveau（有输出就要禁）；
2. 打开黑名单配置：sudo vim /etc/modprobe.d/blacklist.conf；
3. 文件末尾加两行：

   blacklist nouveau
   options nouveau modeset=0

4. 重建 initramfs：sudo update-initramfs -u；
5. 重启：sudo reboot；
6. 再跑 lsmod | grep nouveau，没有任何输出就是成了。

2. 在线安装（省事）

先看系统推荐哪个版本：

ubuntu-drivers devices

输出里推荐的版本通常是 nvidia-driver-525-open 这类。同意装推荐版本的话，一条命令搞定：

sudo ubuntu-drivers autoinstall

跑完用 nvidia-smi 验证。

两个高频报错

• ubuntu-drivers autoinstall 报 nvidia-dkms 依赖装不上：一层层往下剥——先试 sudo apt install dkms；还不行装 sudo apt install dpkg-dev；再不行装 sudo apt install libdpkg-perl。提示 libdpkg-perl 已经是最新时，说明就是它卡住了依赖，直接 sudo apt remove libdpkg-perl 删掉它，再重跑 autoinstall。
• nvidia-smi 报「NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver」：sudo reboot 重启服务器，绝大多数是内核还没换到新驱动模块。

3. 离线安装（推荐生产环境）

外网不好走时离线更稳：

1. 去 NVIDIA 官网按服务器信息搜合适的驱动；
2. 下载.run 文件（可以选 ubuntu-drivers devices 推荐的版本号）；
3. 装依赖：sudo apt-get install gcc、sudo apt-get install make；
4. 给 .run 文件加执行权限后执行安装；
5. nvidia-smi 出来显卡信息就是成功。

三、第二步：装 CUDA

1. 选版本

先按驱动版本挑 CUDA 版本，考虑兼容性，推荐选比驱动版本低 1–2 个大版本的。 然后到 NVIDIA 官网选对应版本。

2. 下载与安装

下载 cuda 的 .run 文件后执行安装。安装过程中：

• 出现协议对话框，输入 accept；
• 因为驱动第一步已经装过，这里要按空格取消 Driver 安装，再选 Install（没装驱动的话可以在这一步一起装）。

3. 配环境变量

sudo vim ~/.bashrc

在文件末尾加上 CUDA 路径，然后 source ~/.bashrc 让改动生效。

export PATH=/usr/local/cuda/binPATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64LD_LIBRARY_PATH

4. 验证

nvcc -V

输出版本信息即为成功。

四、第三步：装 CUDNN

1. 进官网按已装的 CUDA 版本选 CUDNN 版本下载，一定要下载 tar 格式；
2. 把文件上传到服务器并解压；
3. 复制对应文件到 CUDA 目录；
4. 注意：CUDNN 8.0 以上会把版本信息写在 cudnn_version.h 里，这个文件也要复制过去，否则验证的时候会没反应；
5. 验证：正常输出版本信息即成功。

五、第四步：装 Anaconda

1. 从官网下载 Linux 版的 Anaconda 安装包（.sh）；
2. 上传到服务器；
3. 执行安装，无特殊情况一路回车 + yes（中间有用户协议确认，协议很长，要多点几次回车）；
4. 装完配环境变量：打开 ~/.bashrc，在最后添加路径，注意和实际安装路径对应，保存后 source ~/.bashrc 生效。

export PATH=$PATH:/home/你的用户/anaconda3/bin

六、四条实操建议

• 先在物理机/虚拟机验证一遍再上生产：这条链路任何一步失败，都很难在半途排障（环境已经脏了）；
• 每个阶段都用 nvidia-smi / nvcc -V 先验证再往下走，别攒到最后一起排查；
• 驱动装不上先看 nouveau：lsmod | grep nouveau 这条命令值得反复敲；
• Anaconda 装到独立用户目录：别把 conda 混进系统 Python，后面 pip、系统脚本会互相打架。

七、一条顺序链，记一遍就够

禁 nouveau → 装驱动（nvidia-smi 验证）→ 装 CUDA（nvcc -V 验证，配 ~/.bashrc）→ 装 CUDNN（含 cudnn_version.h，验证）→ 装 Anaconda（配 PATH）。

结论：这条链的每一环都用命令验证过再往下走，比「全装完再看有没有报错」省时间得多。 尤其是nouveau 和 cudnn_version.h 这两处，是这套流程里最典型的两个隐性坑。

（本文由 qidao123.com企服评测-应用市场 编辑提示整理：内容面向 Ubuntu 20.04 上的 NVIDIA 驱动、CUDA、CUDNN 与 Anaconda 环境搭建，适用于深度学习开发机部署与 GPU 服务器初始化。驱动安装请在维护窗口执行并先做快照备份。）