1. 介绍
CUDA（Compute Unified Device Architecture）是 NVIDIA 提供的并行计算平台和 API，能够利用 GPU 实现高速处理。
它在机器学习、深度学习和科学计算等领域得到广泛应用。
本文将逐步说明在 Ubuntu 环境下安装 CUDA 的过程。
2. 前置条件
2.1 如何检查是否支持的 GPU
首先，确认系统中安装的 NVIDIA GPU 是否兼容 CUDA。
在终端中运行以下命令：
lspci | grep -i nvidia
如果输出中出现 NVIDIA 设备，则说明已识别到你的 GPU。
你可以在 NVIDIA 官方网站上查看完整的支持 GPU 列表。
2.2 检查 Ubuntu 版本
CUDA 只支持特定的 Ubuntu 版本。
使用以下命令检查当前的 Ubuntu 版本：
lsb_release -a
一般推荐使用 Ubuntu LTS（长期支持）版本。
请参考 NVIDIA 官方文档获取最新的支持信息。
2.3 检查是否已安装 gcc
安装 CUDA 需要 gcc 编译器。
使用以下命令检查 gcc 的安装状态：
gcc --version
如果系统未安装 gcc，请运行以下命令进行安装：
sudo apt install build-essential
3. 安装 NVIDIA 驱动
3.1 移除已有驱动
如果系统中已安装旧版 NVIDIA 驱动，请先将其移除，以免产生冲突。
运行以下命令：
sudo apt-get --purge remove '*nvidia*'
sudo apt-get autoremove
3.2 选择并安装合适的驱动
在 NVIDIA 官方网站上查找与你的 GPU 匹配的驱动，然后按照以下步骤进行安装。
- 添加仓库 — 运行以下命令添加 NVIDIA 驱动仓库：
sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update
- 检查推荐驱动 — 使用该命令查找推荐的驱动版本：
ubuntu-drivers devices
安装标记为“recommended”的驱动。
- 安装驱动 — 安装时指定推荐的版本号：
sudo apt install nvidia-driver-<recommended-version>
- 重启系统 — 安装完成后，重新启动 Ubuntu：
sudo reboot
4. 安装 CUDA Toolkit
4.1 选择 CUDA 版本
在官方 CUDA 下载页面上，查看与你的 GPU 和 Ubuntu 发行版兼容的 CUDA 版本。
如果选择最新版本，请确保与你的软件和库兼容。
4.2 添加仓库并安装
按照以下步骤安装 CUDA Toolkit。
- 添加仓库 — 以下示例使用 Ubuntu 20.04：
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
- 添加仓库密钥 — 获取并安装仓库密钥：
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
- 安装 CUDA 包 — 安装 CUDA Toolkit：
sudo apt update sudo apt install cuda
- 验证安装 — 确认 CUDA 已成功安装：
nvcc --version
5. 设置环境变量
5.1 配置 PATH 和 LD_LIBRARY_PATH
要使用 CUDA，需要正确配置环境变量。请按以下步骤操作：
- 编辑
.bashrc文件nano ~/.bashrc
- 添加以下行
export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
- 应用更改 — 保存后重新加载终端：
source ~/.bashrc
6. 安装 cuDNN
6.1 什么是 cuDNN?
cuDNN（CUDA 深度神经网络库）是一个针对深度学习工作负载进行 GPU 加速优化的库。
6.2 下载 cuDNN
从官方 NVIDIA 网站下载与已安装 CUDA 版本兼容的 cuDNN。
需要拥有 NVIDIA 账户才能下载。
6.3 安装步骤
- 解压压缩包 — 解压下载的 cuDNN 压缩文件：
tar -xzvf cudnn-<version>.tgz
- 复制文件 — 将必要的文件复制到 CUDA 目录中：
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
- 验证安装 — 使用以下命令检查 cuDNN 版本：
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
7. 验证安装
7.1 检查 CUDA 是否正常工作
运行以下命令以确认 CUDA 已正确安装：
nvcc --version
7.2 运行示例程序
执行 CUDA 示例程序以测试功能。
- 设置示例程序
cuda-install-samples-<version>.run cd ~/NVIDIA_CUDA-<version>_Samples/1_Utilities/deviceQuery make
- 运行程序
./deviceQuery
如果输出显示 “PASS”，则说明安装成功。
8. 故障排除
8.1 常见问题及解决方案
- 问题： CUDA 未被识别 解决方案： 重新检查环境变量并重启系统。
- 问题： GPU 未被使用 解决方案： 尝试重新安装 NVIDIA 驱动。
- 问题： CUDA 与软件不兼容 解决方案： 查看软件支持的 CUDA 版本并安装对应的版本。
9. 结论
本文详细演示了在 Ubuntu 环境下安装 CUDA 和 cuDNN 的完整步骤。
按照这些步骤操作，即可构建高性能的 GPU 计算环境。
如果您计划进行深度学习或科学计算，建议接下来配置 TensorFlow 或 PyTorch。
