Ubuntu 22.04深度学习GPU环境搭建指南 (小白图文：显卡驱动、CUDA、cuDNN、PyTorch一步到位)

1. 准备工作：检查硬件与系统

首先确保你的电脑搭载了NVIDIA显卡，并且已经安装了Ubuntu 22.04操作系统。打开终端（Ctrl+Alt+T），输入以下命令查看显卡型号：

    lspci | grep -i nvidia  

如果显示出NVIDIA显卡信息，说明硬件支持。接着更新系统软件包：

    sudo apt update && sudo apt upgrade -y  

2. NVIDIA显卡驱动安装

Ubuntu 22.04提供了非常简便的驱动安装方式。首先添加显卡驱动PPA（可选但推荐）：

    sudo add-apt-repository ppa:graphics-drivers/ppasudo apt update  

然后使用ubuntu-drivers命令自动检测推荐驱动：

    ubuntu-drivers devices  

你会看到类似“nvidia-driver-535”的推荐版本。直接安装自动推荐的驱动：

    sudo apt install nvidia-driver-535  

安装完成后重启系统：sudo reboot。重启后输入nvidia-smi，如果看到GPU列表，则驱动安装成功。

3. CUDA安装（与驱动版本匹配）

根据nvidia-smi显示的CUDA版本（例如12.x），到NVIDIA官网下载对应版本的CUDA Toolkit。这里以CUDA 12.1为例：

    wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.runsudo sh cuda_12.1.0_530.30.02_linux.run  

在安装界面中，取消勾选“Driver”（因为我们已经装过驱动），只选择CUDA Toolkit和符号链接。安装完成后，添加环境变量：

    echo "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：nvcc -V，应显示CUDA版本信息。

4. CUDA和cuDNN配置

cuDNN是NVIDIA的深度神经网络加速库。需要先注册NVIDIA开发者账号，然后下载与CUDA匹配的cuDNN版本（例如cuDNN for CUDA 12.x）。下载Linux x86_64（Tar）版本，然后解压并复制到CUDA目录：

    tar -xzvf cudnn-linux-x86_64-8.9.7.29_cuda12-archive.tar.xzsudo 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*  

完成后可以检查cuDNN版本：cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2。

5. PyTorch GPU加速安装

推荐使用Miniconda创建虚拟环境，避免包冲突。先安装Miniconda：

    wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.shbash Miniconda3-latest-Linux-x86_64.sh  

按提示完成安装，并重启终端。然后创建PyTorch环境：

    conda create -n pytorch_gpu python=3.10conda activate pytorch_gpu  

进入PyTorch官网获取适合你CUDA版本的安装命令。例如CUDA 12.1可使用：

    pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121  

等待安装完成后，测试GPU是否可用：

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

如果输出True，恭喜你！Ubuntu 22.04深度学习环境搭建大功告成！

总结

通过本教程，你已完成NVIDIA显卡驱动安装、CUDA和cuDNN配置以及PyTorch GPU加速安装。现在你可以愉快地运行深度学习模型了！如果在安装过程中遇到问题，欢迎在评论区留言交流。