Ubuntu 24.04 + RTX 5060 Ti 深度学习环境配置指南 (从零开始)

三、安装 CUDA 工具包

深度学习框架依赖 CUDA 进行 GPU 加速。请根据 RTX 5060 Ti 的架构选择兼容的 CUDA 版本（建议 CUDA 12.x）。

1. 前往 NVIDIA 官网下载 CUDA 12.4（举例）：wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.15_linux.run
2. 执行安装程序：sudo sh cuda_12.4.0_550.54.15_linux.run，注意取消勾选 Driver（因为我们已经装过驱动）
3. 添加环境变量：编辑 ~/.bashrc，在末尾添加：

   export PATH=/usr/local/cuda-12.4/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda-12.4/lib64:$LD_LIBRARY_PATH

4. 使环境变量生效：source ~/.bashrc
5. 验证 CUDA 安装：nvcc -V 应显示 CUDA 版本信息。

四、安装 cuDNN

cuDNN 是 NVIDIA 针对深度神经网络的加速库，需要注册账号下载。这里以 cuDNN for CUDA 12.x 为例。

1. 从 NVIDIA 官网下载 cuDNN 的 deb 包或 tar 包（推荐 deb 安装）。
2. 安装本地 deb 包：sudo dpkg -i cudnn-local-repo-*.deb，然后按照提示添加密钥环。
3. 更新并安装：sudo apt update && sudo apt install cudnn
4. 验证 cuDNN 版本：cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

五、配置 Python 虚拟环境

推荐使用 Miniconda 管理 Python 环境，避免依赖冲突。

1. 下载 Miniconda 安装脚本：wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
2. 运行安装：bash Miniconda3-latest-Linux-x86_64.sh，按提示完成安装。
3. 创建深度学习虚拟环境：conda create -n deeplearning python=3.10 -y
4. 激活环境：conda activate deeplearning

六、安装深度学习框架

在虚拟环境中安装 PyTorch 和 TensorFlow，确保它们能调用 CUDA 加速。

• PyTorch：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
• TensorFlow：pip install tensorflow[and-cuda] (TensorFlow 2.15+ 支持 CUDA 12)

七、验证环境

在 Python 中运行以下代码，确认 GPU 可用：

import torchprint("PyTorch GPU available:", torch.cuda.is_available())print("GPU name:", torch.cuda.get_device_name(0))import tensorflow as tfprint("TensorFlow GPU available:", tf.config.list_physical_devices("GPU"))

如果输出显示你的 RTX 5060 Ti，说明整个 深度学习环境 配置成功！

八、常见问题

• 驱动安装后无法进入图形界面：可能是驱动冲突，可在恢复模式卸载 nouveau 驱动。
• CUDA 版本不兼容：请根据框架要求选择合适的 CUDA，比如 PyTorch 2.4 支持 CUDA 12.1/12.4。
• conda 环境找不到 CUDA：检查环境变量是否正确设置，或尝试在虚拟环境中安装 cudatoolkit（conda 方式）。

—— 祝你在 Ubuntu 24.04 + RTX 5060 Ti 上享受深度学习的乐趣！