Ubuntu 24.04双系统与5060显卡深度学习环境搭建指南 （从零开始配置NVIDIA驱动、CUDA、cuDNN、Anaconda及YOLOv5）

Ubuntu 24.04双系统与5060显卡深度学习环境搭建指南 （从零开始配置NVIDIA驱动、CUDA、cuDNN、Anaconda及YOLOv5）

欢迎来到最详细的小白教程！本文将手把手教你如何在已有Windows系统上安装Ubuntu 24.04双系统，并为你的RTX 5060显卡安装NVIDIA驱动，配置CUDA/cuDNN，搭建Anaconda YOLOv5环境。全程图文并茂，确保零基础也能成功。

1. 准备工作

硬件要求：一台搭载RTX 5060显卡的电脑，至少50GB空闲磁盘空间，一个8GB以上的U盘。

软件下载：

• Ubuntu 24.04 LTS 桌面版镜像（官方下载）
• Rufus 或 balenaEtcher 制作启动盘
• NVIDIA驱动：NVIDIA官网根据5060显卡选择对应Linux驱动
• CUDA 12.x 安装包（推荐runfile）
• cuDNN 对应CUDA版本的deb文件（需注册NVIDIA账号）
• Anaconda 安装脚本（官网）

2. 安装Ubuntu 24.04双系统

步骤1：使用Rufus将Ubuntu镜像写入U盘，进入BIOS设置U盘启动。

步骤2：选择“试用或安装Ubuntu”，进入桌面后点击“安装Ubuntu”。

步骤3：选择语言、键盘布局，在“安装类型”中选择“其他选项”进行手动分区（关键！）。

分区建议（以EFI模式为例）：

• EFI系统分区：至少512MB，用于启动引导
• 交换分区swap：与内存大小相当（如16GB）
• 挂载点 / ：建议50GB以上，格式ext4
• 挂载点 /home：剩余空间，存储个人文件

步骤4：选择时区，创建用户，开始安装。完成后重启进入Ubuntu。

3. 安装NVIDIA驱动（RTX 5060专用）

禁用开源驱动nouveau：

sudo bash -c "echo blacklist nouveau > /etc/modprobe.d/blacklist-nvidia-nouveau.conf"sudo bash -c "echo options nouveau modeset=0 >> /etc/modprobe.d/blacklist-nvidia-nouveau.conf"sudo update-initramfs -u# 重启后检查：lsmod | grep nouveau 应无输出    

添加官方驱动源并安装：

sudo add-apt-repository ppa:graphics-drivers/ppasudo apt updateubuntu-drivers devices  # 查看推荐驱动版本sudo apt install nvidia-driver-550  # 根据推荐选择，如550sudo reboot    

重启后运行 nvidia-smi 验证，出现显卡信息即表示NVIDIA驱动安装成功。

4. 安装CUDA（以12.4为例）

前往NVIDIA官网下载CUDA 12.4 runfile，然后执行：

chmod +x cuda_12.4.0_550.54.15_linux.runsudo ./cuda_12.4.0_550.54.15_linux.run --toolkit --samples --silent --override    

添加环境变量：

echo "export PATH=/usr/local/cuda-12.4/bin:$PATH" >> ~/.bashrcecho "export LD_LIBRARY_PATH=/usr/local/cuda-12.4/lib64:$LD_LIBRARY_PATH" >> ~/.bashrcsource ~/.bashrc    

验证：nvcc -V 显示版本即成功。

5. 安装cuDNN

下载与CUDA 12.x匹配的cuDNN deb包，安装：

sudo dpkg -i cudnn-local-repo-ubuntu2404-8.9.7.29_1.0-1_amd64.debsudo cp /var/cudnn-local-repo-/cudnn-local--keyring.gpg /usr/share/keyrings/sudo apt updatesudo apt install libcudnn8 libcudnn8-dev    

验证：cat /usr/include/x86_64-linux-gnu/cudnn_version_v8.h | grep CUDNN_MAJOR -A 2 显示版本。

6. 安装Anaconda

下载脚本并执行：

wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.shbash Anaconda3-2024.10-1-Linux-x86_64.sh    

按提示完成安装，并选择初始化conda。重启终端后可使用conda命令。

7. 搭建YOLOv5环境

创建虚拟环境：

conda create -n yolov5 python=3.9conda activate yolov5    

安装PyTorch（CUDA版）： 根据CUDA版本选择命令，例如：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124    

克隆YOLOv5并安装依赖：

git clone https://github.com/ultralytics/yolov5cd yolov5pip install -r requirements.txt    

测试： 运行 python detect.py --source data/images/bus.jpg --weights yolov5s.pt，若成功输出检测结果，则整个YOLOv5环境搭建完成！

8. 常见问题与小结

如果遇到驱动冲突，可尝试完全卸载旧驱动：sudo apt purge nvidia*。CUDA版本需与驱动兼容（参考nvidia-smi显示的CUDA Version）。

至此，你已经拥有了一个完整的深度学习工作站，可以愉快地训练YOLOv5模型了！