Debian深度学习环境搭建（从零开始配置CUDA、cuDNN与PyTorch）

一、准备工作

在开始之前，请确保：

• 你使用的是 Debian 11（Bullseye）或 Debian 12（Bookworm）
• 你的电脑配备 NVIDIA 显卡（建议 RTX 20/30/40 系列）
• 已连接互联网，并拥有 sudo 权限

二、更新系统并安装基础依赖

首先，打开终端（Ctrl+Alt+T），执行以下命令更新系统：

sudo apt updatesudo apt upgrade -ysudo apt install -y build-essential dkms linux-headers-$(uname -r) wget gnupg

三、安装 NVIDIA 显卡驱动

Debian 官方仓库提供了非自由驱动包。我们推荐使用官方方式安装，避免手动安装带来的兼容问题。

# 启用 non-free 软件源（Debian 12 默认已启用）echo "deb http://deb.debian.org/debian bookworm main contrib non-free non-free-firmware" | sudo tee /etc/apt/sources.list.d/non-free.listsudo apt update# 安装推荐驱动sudo apt install -y nvidia-driver firmware-misc-nonfree# 重启生效sudo reboot

重启后，在终端输入 nvidia-smi，若看到显卡信息，则驱动安装成功。

四、安装 CUDA 与 cuDNN

为兼容 PyTorch，我们推荐安装 CUDA 11.8 或 12.1。这里以 CUDA 12.1 为例（截至 2024 年最新稳定版）。

# 下载 CUDA 12.1 安装脚本（适用于 Debian）wget https://developer.download.nvidia.com/compute/cuda/repos/debian12/x86_64/cuda-keyring_1.1-1_all.deb# 安装 keyringsudo dpkg -i cuda-keyring_1.1-1_all.deb# 更新软件源sudo apt update# 安装 CUDA 工具包sudo apt install -y cuda-toolkit-12-1

安装完成后，将 CUDA 添加到环境变量：

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 安装：

nvcc --version

接下来安装 cuDNN。你需要先在 NVIDIA 官网 注册账号并下载对应版本的 .deb 包（选择 for CUDA 12.x）。

# 假设你已下载 cudnn-local-repo-debian12-8.9.7.29_1.0-1_amd64.debsudo dpkg -i cudnn-local-repo-*.debsudo apt updatesudo apt install -y libcudnn8 libcudnn8-dev

五、安装 Python 与 PyTorch

推荐使用 Python 3.10+ 和虚拟环境管理依赖。

sudo apt install -y python3 python3-pip python3-venv# 创建虚拟环境python3 -m venv dl-envsource dl-env/bin/activate# 升级 pippip install --upgrade pip

现在安装支持 CUDA 的 PyTorch。访问 PyTorch 官网 获取最新命令，通常如下：

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

六、验证深度学习环境

运行以下 Python 脚本，确认 GPU 可用：

python3 -c "import torchprint('PyTorch 版本:', torch.__version__)print('CUDA 是否可用:', torch.cuda.is_available())if torch.cuda.is_available():    print('GPU 名称:', torch.cuda.get_device_name(0))"

如果输出显示 CUDA 是否可用: True，恭喜你！Debian深度学习环境搭建 成功完成！

七、常见问题与建议

• 驱动冲突？ 若之前手动安装过 NVIDIA 驱动，请先彻底卸载再使用 apt 安装。
• CUDA 版本不匹配？ 务必查看 PyTorch 官网推荐的 CUDA 版本，不要盲目安装最新版。
• Debian vs Ubuntu？ 如果你是新手且追求便捷，Ubuntu 是不错的选择；但如果你重视系统稳定性和自由软件理念，Ubuntu替代系统Debian 是更成熟的选择。

通过本教程，你应该已经掌握了在 Debian 上搭建完整深度学习环境的流程。无论是进行学术研究还是项目开发，这套环境都能为你提供强大支持。希望这篇 PyTorch安装教程 对你有所帮助！

关键词回顾：Debian深度学习环境搭建、Debian安装CUDA、PyTorch安装教程、Ubuntu替代系统Debian。