在本教程中,我们将详细介绍如何在Ubuntu22.04离线环境下完整安装Anaconda、CUDA12.1、NVIDIA驱动及cuDNN8.9.3。对于无法连接互联网的机器,Ubuntu22.04离线安装尤为重要,本教程将一步步引导你完成整个配置过程,即使是小白也能轻松看懂。
首先,确保你已从有网络的环境下载了所需安装包,并传输到离线Ubuntu22.04系统中。本教程涵盖Anaconda安装、CUDA12.1配置、NVIDIA驱动安装和cuDNN8.9.3安装,所有步骤均基于命令行操作。
在开始前,请准备以下文件(建议从官网下载对应版本):
将这些文件保存到Ubuntu系统的某个目录,如~/Downloads。
NVIDIA驱动是运行CUDA的基础。首先禁用Ubuntu自带的Nouveau驱动:
# 禁用Nouveau驱动sudo bash -c "echo "blacklist nouveau" >> /etc/modprobe.d/blacklist-nouveau.conf"sudo bash -c "echo "options nouveau modeset=0" >> /etc/modprobe.d/blacklist-nouveau.conf"sudo update-initramfs -usudo reboot
重启后,按Ctrl+Alt+F3进入命令行界面,登录后运行驱动安装(确保在安装包目录):
# 赋予执行权限并安装sudo chmod +x NVIDIA-Linux-x86_64-*.runsudo ./NVIDIA-Linux-x86_64-*.runsudo reboot
重启后,运行nvidia-smi验证驱动安装,如果显示GPU信息,则成功。
接下来进行CUDA12.1配置。使用离线安装包运行:
# 运行CUDA安装程序sudo chmod +x cuda_12.1.0_530.30.02_linux.runsudo ./cuda_12.1.0_530.30.02_linux.runecho "export PATH=/usr/local/cuda-12.1/bin:$PATH" >> ~/.bashrcecho "export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64:$LD_LIBRARY_PATH" >> ~/.bashrcsource ~/.bashrc
验证CUDA安装:运行nvcc --version,应显示CUDA 12.1版本信息。
cuDNN8.9.3安装是深度学习加速的关键。解压下载的文件并复制到CUDA目录:
# 解压cuDNN包tar -xzvf cudnn-12.1-linux-x64-v8.9.3.28.tgzsudo cp cuda/include/cudnn*.h /usr/local/cuda-12.1/includesudo cp cuda/lib64/libcudnn* /usr/local/cuda-12.1/lib64sudo chmod a+r /usr/local/cuda-12.1/include/cudnn*.h /usr/local/cuda-12.1/lib64/libcudnn*
验证cuDNN安装:运行cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2,应显示版本8.9.3。
最后进行Anaconda安装。运行Anaconda安装脚本:
# 运行安装脚本bash Anaconda3-2024.02-1-Linux-x86_64.shsource ~/.bashrc
验证Anaconda安装:运行conda --version,应显示版本号。你可以创建虚拟环境测试,例如:conda create -n test_env python=3.9。
运行以下命令确保所有组件正常工作:
nvidia-smi:检查NVIDIA驱动和GPU状态nvcc --version:验证CUDA编译器conda list:查看Anaconda包列表至此,你已经完成了Ubuntu22.04离线环境下的完整安装。本教程重点介绍了Ubuntu22.04离线安装的核心步骤,包括Anaconda安装、CUDA12.1配置和cuDNN8.9.3安装,希望能帮助你快速搭建深度学习环境。如有问题,请参考官方文档或社区论坛。
本文由主机测评网于2026-01-19发表在主机测评网_免费VPS_免费云服务器_免费独立服务器,如有疑问,请联系我们。
本文链接:https://www.vpshk.cn/20260118625.html