Ubuntu 24.04双系统与NVIDIA 5060显卡驱动安装全攻略

至此，NVIDIA驱动安装完成。接下来是CUDA配置，这是深度学习环境的关键。

第三部分：安装CUDA工具包

CUDA是NVIDIA的并行计算平台，用于加速深度学习计算。CUDA配置需要与驱动版本兼容。

1. 访问NVIDIA CUDA下载页面，选择适合Ubuntu 24.04的版本。例如，CUDA 12.2。

2. 按照官网指令安装。通常使用runfile或deb包。以下以runfile为例：

下载runfile：wget https://developer.download.nvidia.com/compute/cuda/12.2.0/local_installers/cuda_12.2.0_535.54.03_linux.run

3. 运行安装：sudo sh cuda_12.2.0_535.54.03_linux.run

4. 接受许可，选择安装选项，建议不安装驱动（因为已安装），只安装CUDA工具包。

5. 安装完成后，配置环境变量。编辑~/.bashrc文件：nano ~/.bashrc，在末尾添加：

export PATH=/usr/local/cuda-12.2/bin${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

6. 使配置生效：source ~/.bashrc

7. 验证CUDA安装：nvcc -V，应显示CUDA版本。

第四部分：安装CuDNN

CuDNN是深度神经网络库，优化了GPU加速。

1. 访问NVIDIA CuDNN下载页面，需要注册账号。下载与CUDA版本兼容的CuDNN，例如CuDNN for CUDA 12.x。

2. 下载后，解压文件：tar -xvf cudnn-linux-x86_64-8.9.0.131_cuda12-archive.tar.xz

3. 复制文件到CUDA目录：

sudo cp cudnn--archive/include/cudnn.h /usr/local/cuda/include/sudo cp -P cudnn--archive/lib/libcudnn /usr/local/cuda/lib64/sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

4. 验证安装：检查文件是否存在。

第五部分：安装Anaconda

Anaconda是Python数据科学平台，方便管理环境和包。

1. 下载Anaconda安装脚本：wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh

2. 运行安装：bash Anaconda3-2024.02-1-Linux-x86_64.sh

3. 按照提示操作，同意许可，选择安装位置，建议添加到PATH。

4. 安装完成后，重启终端或运行：source ~/.bashrc

5. 验证安装：conda --version

第六部分：搭建YOLOv5环境

YOLOv5是流行的目标检测模型，我们将使用Anaconda创建独立环境。YOLOv5环境搭建是最终目标。

1. 创建conda环境：conda create -n yolov5 python=3.8

2. 激活环境：conda activate yolov5

3. 安装PyTorch，根据CUDA版本选择。例如，对于CUDA 12.1：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

4. 克隆YOLOv5仓库：git clone https://github.com/ultralytics/yolov5

5. 进入目录并安装依赖：cd yolov5 然后 pip install -r requirements.txt

6. 验证YOLOv5环境：运行示例检测：python detect.py --source data/images/bus.jpg

如果一切顺利，你将看到检测结果，表示环境搭建成功。

总结：通过本教程，你已成功在Ubuntu 24.04双系统上配置了NVIDIA 5060显卡驱动、CUDA、CuDNN、Anaconda和YOLOv5环境。现在你可以开始你的深度学习项目了！