当前位置：首页 > 系统教程 > 正文

50系显卡Ubuntu22.04深度学习环境搭建全攻略（NVIDIA驱动+CUDA+cuDNN+Anaconda+PyTorch一站式安装指南）

主机测评网
系统教程
2026-02-04
180

50系显卡Ubuntu22.04深度学习环境搭建全攻略（NVIDIA驱动+CUDA+cuDNN+Anaconda+PyTorch一站式安装指南）

本教程针对2025年7月版本，详细指导在Ubuntu 22.04系统上为50系显卡安装NVIDIA驱动、CUDA、cuDNN，并通过Anaconda配置PyTorch环境。即使你是小白，也能跟着步骤轻松完成，开启深度学习之旅！

前置准备

确保你的电脑搭载了50系显卡（如RTX 5090），并已安装Ubuntu 22.04系统。建议更新系统：打开终端（Ctrl+Alt+T），运行sudo apt update && sudo apt upgrade -y。

步骤1：安装NVIDIA驱动

首先，禁用默认的nouveau驱动：运行sudo nano /etc/modprobe.d/blacklist-nouveau.conf，添加行blacklist nouveau和options nouveau modeset=0，保存后重启。然后，添加显卡驱动PPA并安装：sudo add-apt-repository ppa:graphics-drivers/ppa -y && sudo apt update，使用ubuntu-drivers devices查看推荐驱动版本（如nvidia-driver-550），执行sudo apt install nvidia-driver-550 -y重启后，运行nvidia-smi验证安装，这步是Ubuntu22.04 NVIDIA驱动成功的关键。

50系显卡Ubuntu22.04深度学习环境搭建全攻略（NVIDIA驱动+CUDA+cuDNN+Anaconda+PyTorch一站式安装指南） 50系显卡安装 Ubuntu22.04 NVIDIA驱动 CUDA cuDNN 配置 Anaconda PyTorch 环境第1张

步骤2：安装CUDA工具包

访问NVIDIA官网下载CUDA 12.x版本（兼容50系显卡），选择runfile安装方式。在终端中运行：wget https://developer.download.nvidia.com/compute/cuda/12.x.x/local_installers/cuda_12.x.x_linux.run（替换x为具体版本），然后执行sudo sh cuda_12.x.x_linux.run。安装时取消驱动安装选项（因已安装驱动），完成后添加环境变量：编辑~/.bashrc，添加行export PATH=/usr/local/cuda-12.x/bin:$PATH和export LD_LIBRARY_PATH=/usr/local/cuda-12.x/lib64:$LD_LIBRARY_PATH，运行source ~/.bashrc并验证nvcc -V。这实现了CUDA cuDNN 配置的基础。

步骤3：安装cuDNN库

从NVIDIA官网下载与CUDA版本匹配的cuDNN库（需注册账户）。下载后解压并复制文件：tar -xvf cudnn-linux-x86_64-8.x.x.x_cuda12-archive.tar.xz，然后运行sudo cp cudnn--archive/include/cudnn.h /usr/local/cuda-12.x/include && sudo cp cudnn--archive/lib/libcudnn /usr/local/cuda-12.x/lib64 && sudo chmod a+r /usr/local/cuda-12.x/include/cudnn*.h /usr/local/cuda-12.x/lib64/libcudnn*。验证安装：cat /usr/local/cuda-12.x/include/cudnn_version.h | grep CUDNN_MAJOR。

步骤4：安装Anaconda并配置环境

从Anaconda官网下载Linux安装脚本，运行bash Anaconda3-2025.07-Linux-x86_64.sh，按照提示完成安装。重启终端后，创建conda环境：conda create -n pytorch_env python=3.9 -y，激活环境conda activate pytorch_env。这为Anaconda PyTorch 环境搭建了基础。

步骤5：安装PyTorch并验证

在激活的conda环境中，访问PyTorch官网获取安装命令（2025年7月版本）。运行类似：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121（确保CUDA版本匹配）。安装后，启动Python验证：python -c "import torch; print(torch.version); print(torch.cuda.is_available())"，应输出True表示GPU可用。至此，50系显卡安装和深度学习环境配置完成！

总结：本教程一站式解决了50系显卡在Ubuntu22.04下的环境搭建问题，涵盖驱动、CUDA、cuDNN和PyTorch。如有问题，可参考官方文档或社区论坛。祝你学习顺利！