欢迎来到深度学习环境搭建系列教程的第一篇。本文将手把手教你如何在Ubuntu 22.04系统上安装CUDA 11.8和cuDNN 8.6.0,为后续的深度学习框架(如TensorFlow、PyTorch)打下坚实基础。无论你是刚入门的新手,还是希望梳理流程的老手,本文都将提供清晰、详细的步骤。

在开始之前,请确保你的机器满足以下条件:
CUDA依赖于NVIDIA驱动,因此需要先安装合适版本的驱动。推荐使用官方驱动PPA或直接安装驱动。步骤如下:
# 添加图形驱动PPAsudo add-apt-repository ppa:graphics-drivers/ppasudo apt update# 查看推荐的驱动版本ubuntu-drivers devices# 安装推荐驱动(例如nvidia-driver-525)sudo apt install nvidia-driver-525# 重启系统sudo reboot重启后,运行 nvidia-smi 验证驱动是否安装成功。如果显示GPU信息,则驱动正常。
CUDA 11.8安装有多种方式,这里采用runfile安装,因为它更灵活且不依赖包管理器。首先,从NVIDIA官网下载CUDA 11.8 runfile:
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.runsudo sh cuda_11.8.0_520.61.05_linux.run执行安装程序时,取消勾选Driver(因为我们已经安装了驱动),只安装CUDA Toolkit。按照提示完成安装。
安装完成后,需要将CUDA添加到PATH和LD_LIBRARY_PATH。编辑~/.bashrc:
echo "export PATH=/usr/local/cuda-11.8/bin:$PATH" >> ~/.bashrcecho "export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH" >> ~/.bashrcsource ~/.bashrc运行以下命令检查CUDA是否安装成功:
nvcc -V如果显示CUDA版本信息,则说明CUDA 11.8安装成功。
cuDNN 8.6.0配置需要先下载cuDNN包。访问NVIDIA官网(需注册账号)下载cuDNN for CUDA 11.x的deb包或tar包。这里以tar包为例:
# 下载cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xztar -xvf cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xzsudo cp cudnn--archive/include/cudnn.h /usr/local/cuda-11.8/includesudo cp -P cudnn--archive/lib/libcudnn /usr/local/cuda-11.8/lib64sudo chmod a+r /usr/local/cuda-11.8/include/cudnn*.h /usr/local/cuda-11.8/lib64/libcudnn*通过查看cuDNN版本来验证:
cat /usr/local/cuda-11.8/include/cudnn_version.h | grep CUDNN_MAJOR -A 2如果显示版本号,则cuDNN安装成功。
至此,你已经在Ubuntu 22.04系统上成功搭建了包含CUDA 11.8和cuDNN 8.6.0的深度学习环境。接下来可以安装深度学习框架,开始你的模型训练之旅。本文详细介绍了每一步,即使是新手也能顺利完成深度学习环境搭建。后续我们将继续介绍更多环境的配置,敬请关注。
SEO关键词:深度学习环境搭建, CUDA 11.8安装, cuDNN 8.6.0配置, Ubuntu 22.04教程
本文由主机测评网于2026-03-07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/20260329282.html