Ubuntu 22.04深度学习GPU环境搭建全攻略

前提条件

• 一台安装Ubuntu 22.04的电脑（确保系统已更新）。
• NVIDIA显卡（建议GTX 10系列或更高）。
• 稳定的互联网连接。
• 终端基本操作知识（复制粘贴命令即可）。

步骤1：安装NVIDIA显卡驱动

NVIDIA驱动是GPU工作的基础。在Ubuntu 22.04中，推荐使用终端安装最新驱动。首先，打开终端（Ctrl+Alt+T），依次执行以下命令：

    sudo apt update  # 更新软件包列表sudo apt install ubuntu-drivers-common  # 安装驱动工具ubuntu-drivers devices  # 检测可用驱动sudo apt install nvidia-driver-535  # 安装推荐驱动（版本可能变化）  

安装完成后，重启系统：sudo reboot。重启后，运行nvidia-smi命令，如果显示GPU信息，则NVIDIA驱动安装成功。

步骤2：安装CUDA工具包

CUDA是NVIDIA的并行计算平台，深度学习框架依赖它。访问NVIDIA官网选择CUDA版本（本教程以CUDA 11.8为例）。在终端中运行：

    wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run  # 下载CUDA安装包sudo sh cuda_11.8.0_520.61.05_linux.run  # 运行安装程序  

安装过程中，接受协议，取消勾选驱动安装（因为已安装），其他默认。安装后，添加环境变量：编辑~/.bashrc文件，添加以下行：

    export PATH=/usr/local/cuda-11.8/bin${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}  

保存后运行source ~/.bashrc。验证CUDA安装：nvcc --version应显示版本信息。

步骤3：安装cuDNN库

cuDNN是GPU加速的深度学习库。需从NVIDIA开发者网站下载（注册免费）。选择与CUDA 11.8兼容的cuDNN版本。下载后，在终端中解压并复制文件：

    tar -xvf cudnn-linux-x86_64-8.9.0.131_cuda11-archive.tar.xz  # 解压sudo cp cudnn--archive/include/cudnn.h /usr/local/cuda/include/sudo cp cudnn--archive/lib/libcudnn /usr/local/cuda/lib64/sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*  

完成后，cuDNN就配置好了。这是优化深度学习性能的关键。

步骤4：安装PyTorch框架

最后，安装PyTorch，一个流行的深度学习框架。使用pip安装（确保已安装python3和pip）。在终端中运行：

    pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118  # 针对CUDA 11.8  

安装完成后，验证PyTorch和GPU支持。打开Python解释器：

    python3 -c "import torch; print(torch.version); print(torch.cuda.is_available())"  

如果输出PyTorch版本和True，则GPU环境已就绪！现在你可以在Ubuntu 22.04上运行深度学习项目了。

总结

本教程涵盖了从NVIDIA驱动到PyTorch的完整安装流程。通过逐步操作，你已成功搭建了深度学习GPU环境。如果在任何步骤遇到问题，请检查命令和版本兼容性。祝你在深度学习之旅中顺利！