文章首发于若绾 [Linux 指南] 手把手教你配置 Ubuntu 下的 CUDA、cuDNN 环境，转载请注明出处。
导言#
作为深度学习和并行计算的核心工具，CUDA（Compute Unified Device Architecture）为 NVIDIA 显卡提供了并行计算的能力。在本教程中，我们将详细介绍如何在 Ubuntu 操作系统下配置 CUDA。本教程以 CUDA 12.1 和 Ubuntu 20.04 为例进行说明，但对于其他版本的 CUDA 和 Ubuntu，配置过程也相差无几。
安装 CUDA#
步骤 1：确认系统兼容性#
在配置 CUDA 之前，首先要确保你的系统满足安装要求。以下是需要检查的项目：
- 确保你的 GPU 是 NVIDIA GPU，并支持 CUDA 计算能力。可以通过 NVIDIA 官方网站查看支持的 GPU 列表。
- 确保你的系统是 64 位的 Ubuntu 操作系统。
- 安装 Linux 内核版本在 4.4 及以上的版本。
步骤 2：更新系统软件包#
打开终端并输入以下命令更新系统软件包：
sudo apt update
sudo apt upgrade
步骤 3：安装 NVIDIA 显卡驱动#
如果你的系统尚未安装 NVIDIA 显卡驱动，可使用以下命令安装：
sudo ubuntu-drivers autoinstall
安装完成后，重启计算机以确保驱动程序正确加载。
步骤 4：下载 CUDA 工具包#
前往CUDA ToolKit 官方网站下载相应版本的 CUDA Toolkit，的安装包（以 CUDA 12.1 为例）
步骤 5：安装 CUDA Toolkit#
你可以运行以下命令下载并安装 CUDA Toolkit：
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/12.1.0/local_installers/cuda-repo-ubuntu2004-12-1-local_12.1.0-530.30.02-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2004-12-1-local_12.1.0-530.30.02-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2004-12-1-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda
步骤 6：配置环境变量#
为了确保系统能够正确识别 CUDA Toolkit 的安装位置，需要设置环境变量。打开～/.bashrc 文件，添加以下内容：
#打开~/.bashrc
sudo vim ~/.bashrc
#在文末添加下两行并保存关闭
export PATH=/usr/local/cuda-12.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
保存文件并运行以下命令使环境变量生效：
source ~/.bashrc
步骤 7：验证 CUDA 安装#
运行以下命令验证 CUDA 是否已正确安装
nvcc --version
如果安装成功，你将看到类似于以下的输出，其中显示了 CUDA 编译器（nvcc）的版本信息：
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Tue_Sep_21_19:24:46_PDT_2021
Cuda compilation tools, release 12.1, VXX.X.X
Build cuda_12.1.r12.1/compiler.XX
安装 cuDNN 库（可选）#
cuDNN 是一款深度学习框架的 GPU 加速库，支持 TensorFlow、PyTorch 等框架。要安装 cuDNN，请按照以下步骤操作：
- 前往 NVIDIA 官方网站注册并登录，然后进入cuDNN 下载页面。
- 选择与你安装的 CUDA 版本兼容的 cuDNN 版本，下载对应的压缩包。
- 解压缩下载的文件。假设文件解压缩到了～/Downloads/cudnn-local-repo-ubuntu2004-8.8.1.3_1.0-1_amd64.deb 目录。
- 在终端中运行以下命令安装 cuDNN 库，在置行以下命令之前，您必须将 X.Y 和 8.x.x.x 替换为您特定的 CUDA 和 cuDNN 版本。：
cd ~/Downloads/
sudo dpkg -i cudnn-local-repo-${OS}-8.x.x.x_1.0-1_amd64.deb
#导入GPG key
sudo cp /var/cudnn-local-repo-*/cudnn-local-*-keyring.gpg /usr/share/keyrings/
#刷新apt源
sudo apt-get update
#安装库
sudo apt-get install libcudnn8=8.x.x.x-1+cudaX.Y
sudo apt-get install libcudnn8-dev=8.x.x.x-1+cudaX.Y
sudo apt-get install libcudnn8-samples=8.x.x.x-1+cudaX.Y
总结#
至此，你已经成功配置了 Ubuntu 下的 CUDA 环境。现在，你可以使用 GPU 进行深度学习和高性能计算了。在接下来的工作中，你可能还需要根据实际需求安装和配置深度学习框架，例如 TensorFlow 或 PyTorch。