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
×
在 Ubuntu 24.04 上跑深度学习训练，链路是：装 NVIDIA 显卡驱动 → 装 CUDA Toolkit → 装 cuDNN → 验证 nvcc 与框架能认到 GPU。这条链上最常见的坑有三个：gcc 版本不够导致内核模块编译中断、CUDA 版本与驱动不匹配、cuDNN 与 CUDA 版本不兼容。这篇按实际顺序走一遍，把坑标出来。
一、确认显卡型号
lspci | grep -i nvidia
输出里能看到型号，例如：
01:00.0VGA compatible controller: NVIDIA Corporation GM108M [GeForce 920MX] (rev a2)
记下这个型号，下面去官网按型号搜驱动。
二、下载显卡驱动
NVIDIA 官网有驱动检索页，按显卡型号筛选，选对应系统版本后下载最新稳定版 .run 文件即可。
三、安装显卡驱动
1. 先备好编译环境
sudo apt update
sudo apt install gcc make
2. 装驱动
chmod +x NVIDIA-Linux-x86_64-560.31.02.run
sudo ./NVIDIA-Linux-x86_64-560.31.02.run
选 Continue installation 回车，开始编译。
3. 第一个坑：gcc 版本
编译时报错中断，多半是因为最新驱动需要更高的 gcc（12 及以上），而 Ubuntu 24.04 默认给出的是 11。解法是装 gcc-12 并把它挂到 alternatives 上：
sudo apt install gcc-12
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/x86_64-linux-gnu-gcc-12 20
然后再跑一次驱动安装程序即可。
4. 第二个坑：nouveau
安装过程中会提示是否禁用 nouveau（开源显卡驱动），选是，NVIDIA 安装器会自动屏蔽它，不用手动改 blacklist。其余提示项没有特殊要求时基本一路选是。
5. 验证
nvidia-smi
能打出驱动版本、显存与 CUDA 支持的最高版本，就说明驱动好了，然后记得重启。重启后再跑一次 nvidia-smi 确认。
四、安装 CUDA
1. 看驱动支持的最高 CUDA
上一步的 nvidia-smi 输出里有 CUDA Version 一行，那就是上限（示例环境是 12.6）。选 CUDA 时不要超过它。
2. 下载安装
NVIDIA 开发者网站的 CUDA 归档页可以按版本拿下载命令。以 12.2.2 为例：
wget https://developer.download.nvidia.com/compute/cuda/12.2.2/local_installers/cuda_12.2.2_535.104.05_linux.run
chmod +x cuda_12.2.2_535.104.05_linux.run
sudo ./cuda_12.2.2_535.104.05_linux.run
选 Continue，输入 accept 接受协议，然后把 Driver 一项取消勾选——驱动已经装过了，这里别重复装。点 Install 等完成。
3. 配环境变量
nano ~/.bashrc
末尾追加：
export PATH=$PATH:/usr/local/cuda-12.2/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-12.2/lib64
source ~/.bashrc
4. 验证
nvcc -V
打印出版本号即安装成功。
五、安装 cuDNN
cuDNN 在 NVIDIA 开发者页面按 CUDA 版本选对应包，页面会给出一整串安装命令。Ubuntu 24.04 的 9.3.0 版形如：
wget https://developer.download.nvidia.com/compute/cudnn/9.3.0/local_installers/cudnn-local-repo-ubuntu2404-9.3.0_1.0-1_amd64.deb
sudo dpkg -i cudnn-local-repo-ubuntu2404-9.3.0_1.0-1_amd64.deb
sudo cp /var/cudnn-local-repo-ubuntu2404-9.3.0/cudnn-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cudnn
新版驱动基本能配新版 cuDNN；如果版本组合不合适，回退到历史版本即可——页面上能查 cuDNN 各版本支持的 CUDA 矩阵，选「cuDNN 8.x / 1.x」一类就能看到可搭配的 CUDA 版本，下载对应 deb 包重装。
六、收尾检查
nvidia-smi：驱动与显存正常；nvcc -V：CUDA 编译器可用；python -c "import torch; print(torch.cuda.is_available())"：框架能认到 GPU（按你实际用的框架换命令）；- 装完重启一次，确认重启后驱动仍在，避免改了内核参数后失效。
qidao123.com企服评测-应用市场 编辑提示 | 
发表于 2026-10-4 17:08:19