Ubuntu 20.04显卡驱动完全攻略（5070Ti笔记本驱动安装与Pytorch环境配置指南）

一、准备工作

在开始前，请确保系统已更新：打开终端（Ctrl+Alt+T），运行sudo apt update && sudo apt upgrade -y。备份重要数据，以防驱动安装失败。同时，检查显卡型号：运行lspci | grep -i nvidia，确认您的设备是NVIDIA驱动5070Ti，这是本教程的核心硬件。

二、安装NVIDIA驱动：解决“No devices were found”错误

1. 禁用开源驱动：运行sudo bash -c "echo blacklist nouveau > /etc/modprobe.d/blacklist-nouveau.conf"，然后echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/blacklist-nouveau.conf，更新initramfs：sudo update-initramfs -u，重启系统。

2. 添加GPU驱动PPA：运行sudo add-apt-repository ppa:graphics-drivers/ppa -y，更新sudo apt update。

3. 安装驱动：对于5070Ti，推荐使用NVIDIA驱动版本470或更高。运行sudo apt install nvidia-driver-470 -y。如果遇到“No devices were found”，可能是驱动版本不匹配，尝试sudo ubuntu-drivers autoinstall自动选择。安装后重启。

4. 验证：运行nvidia-smi，应显示GPU信息。如果仍有问题，检查BIOS中是否启用了Secure Boot，请禁用它。

三、安装CUDA和cuDNN：关键CUDA版本选择

1. 根据NVIDIA驱动版本选择CUDA。对于驱动470，CUDA 11.4兼容性好。访问NVIDIA官网下载CUDA 11.4安装包（runfile格式）。在终端中运行：sudo sh cuda_11.4.0_470.42.01_linux.run。安装时，不选驱动（已安装），只选CUDA Toolkit。

2. 设置环境变量：编辑~/.bashrc，添加export PATH=/usr/local/cuda-11.4/bin:$PATH和export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64:$LD_LIBRARY_PATH，运行source ~/.bashrc。

3. 安装cuDNN：从官网下载对应CUDA 11.4的cuDNN，解压后复制文件：sudo cp cuda/include/* /usr/local/cuda-11.4/include/和sudo cp cuda/lib64/* /usr/local/cuda-11.4/lib64/。

四、安装Pytorch：解决“不支持sm120”问题

1. “不支持sm120”通常是因为Pytorch版本与GPU架构不匹配。5070Ti基于Ampere架构，需要CUDA 11.x支持。这是Pytorch环境配置的关键步骤。

2. 创建Python虚拟环境：运行python3 -m venv pytorch_env，激活source pytorch_env/bin/activate。

3. 安装Pytorch：访问Pytorch官网，选择CUDA 11.3版本（兼容CUDA 11.4）。运行命令：pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113。这样可以避免sm120错误。

4. 验证安装：在Python中运行import torch; print(torch.version); print(torch.cuda.is_available())，应返回True和CUDA版本。

五、测试与故障排除

运行一个简单Pytorch GPU测试：python3 -c "import torch; x = torch.rand(5,3).cuda(); print(x)"。如果失败，检查驱动、CUDA和Pytorch版本兼容性。确保所有步骤中Ubuntu显卡驱动安装正确，并重新审视NVIDIA驱动5070Ti的匹配性。

六、结论

通过本教程，您应成功在Ubuntu 20.04上为5070Ti笔记本安装了显卡驱动和Pytorch环境。记住，CUDA版本选择和Pytorch环境配置是避免“No devices were found”和“不支持sm120”的关键。如有问题，请参考NVIDIA和Pytorch官方文档。祝您深度学习之旅顺利！