Ubuntu深度学习框架配置（从零开始搭建PyTorch与CUDA环境）

一、准备工作

首先，请确保你使用的是Ubuntu 20.04 LTS 或 22.04 LTS版本，并且你的电脑配备了一块NVIDIA显卡（如GTX 1060及以上）。如果没有NVIDIA显卡，则无法使用GPU加速，但CPU版本的PyTorch依然可以运行。

二、安装NVIDIA显卡驱动

打开终端（Ctrl + Alt + T），输入以下命令查看推荐驱动：

ubuntu-drivers devices

通常系统会推荐一个驱动版本（如nvidia-driver-535）。执行以下命令自动安装推荐驱动：

sudo ubuntu-drivers autoinstall

安装完成后重启系统：

sudo reboot

重启后，在终端输入 nvidia-smi，如果看到显卡信息，说明驱动安装成功。

三、安装CUDA与cuDNN

PyTorch官方已将CUDA集成在其预编译包中，因此无需单独安装完整版CUDA Toolkit。但为了兼容性，建议安装与PyTorch匹配的CUDA运行时库。

访问 PyTorch官网，选择你的系统配置（Linux, Pip, Python, CUDA版本），它会自动生成安装命令。例如（以CUDA 11.8为例）：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

这样就同时安装了PyTorch和所需的CUDA运行时，无需手动配置cuDNN。

四、使用conda创建虚拟环境（推荐）

为了避免Python包冲突，强烈建议使用conda虚拟环境配置。首先安装Miniconda（轻量版Anaconda）：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.shbash Miniconda3-latest-Linux-x86_64.sh

按照提示安装，完成后重启终端。接着创建名为dl_env的虚拟环境：

conda create -n dl_env python=3.10conda activate dl_env

然后在该环境中安装PyTorch（同样参考官网命令）：

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

五、验证安装是否成功

在Python中运行以下代码：

import torchprint(torch.__version__)print(torch.cuda.is_available())print(torch.cuda.get_device_name(0) if torch.cuda.is_available() else "No GPU")

如果输出类似以下内容，说明CUDA安装教程成功完成：

2.1.0+cu118TrueNVIDIA GeForce RTX 3060

六、常见问题与小贴士

• 如果nvidia-smi报错，可能是Secure Boot阻止了驱动加载，请在BIOS中关闭Secure Boot。
• 不要混用pip和conda安装PyTorch，容易导致依赖冲突。
• 每次使用前记得激活虚拟环境：conda activate dl_env。
• 如需Jupyter Notebook支持，在环境中运行：pip install jupyter。

结语

通过以上步骤，你已经成功完成了Ubuntu深度学习环境配置，并掌握了PyTorch安装指南的核心流程。现在，你可以开始你的深度学习项目了！如有疑问，欢迎查阅PyTorch官方文档或社区论坛。