Ubuntu系统安装NVIDIA显卡驱动、CUDA与CuDNN完整教程（小白也能轻松上手的环境配置指南）

在本教程中，我们将详细介绍如何在Ubuntu系统上安装NVIDIA显卡驱动、CUDA以及CuDNN工具。这些工具对于深度学习和GPU加速计算至关重要。无论你是初学者还是有经验的用户，本指南都将帮助你顺利完成安装。本教程涵盖Ubuntu安装NVIDIA驱动、CUDA安装教程、CuDNN配置指南，助你完成深度学习环境搭建。

1. 前提条件

在开始之前，请确保你的系统是Ubuntu（建议18.04或更高版本），并且有一块NVIDIA显卡。你可以通过终端运行以下命令检查显卡信息：

lspci | grep -i nvidia

如果看到NVIDIA显卡信息，说明显卡已识别。同时，确保系统已更新：sudo apt update && sudo apt upgrade。

2. 安装NVIDIA显卡驱动

安装NVIDIA显卡驱动有多种方法，这里推荐使用Ubuntu的附加驱动或PPA方式。这是Ubuntu安装NVIDIA驱动的关键步骤。

方法一：使用Ubuntu附加驱动（图形界面）

打开“软件和更新”应用，切换到“附加驱动”选项卡，系统会自动检测可用的NVIDIA驱动。选择最新的专有驱动版本，点击“应用更改”，等待安装完成并重启系统。

方法二：使用PPA安装（命令行）

在终端中执行以下命令，以安装最新驱动：

sudo add-apt-repository ppa:graphics-drivers/ppasudo apt updatesudo apt install nvidia-driver-470  # 根据你的显卡和系统选择版本，如nvidia-driver-510

安装完成后，重启系统：sudo reboot。然后运行 nvidia-smi 检查驱动是否安装成功。如果显示GPU信息，则驱动安装正常。

3. 安装CUDA工具包

CUDA是NVIDIA的并行计算平台，是CUDA安装教程的核心部分。首先，访问NVIDIA官网下载CUDA工具包。选择适合你系统的版本（如CUDA 11.4），下载runfile本地安装文件。

下载后，打开终端，进入下载目录，运行以下命令安装：

sudo sh cuda_11.4.0_470.42.01_linux.run  # 文件名可能因版本而异

按照提示进行操作：接受许可协议，选择安装选项（建议保持默认），但注意在提示安装NVIDIA驱动时选择“否”（因为已安装驱动）。安装完成后，需要设置环境变量。编辑 ~/.bashrc 文件：nano ~/.bashrc，在文件末尾添加以下行：

export PATH=/usr/local/cuda-11.4/bin${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

保存文件后，运行 source ~/.bashrc 使更改生效。验证安装：运行 nvcc -V 应显示CUDA版本。至此，CUDA安装教程基本完成。

4. 安装CuDNN库

CuDNN是用于深度神经网络的GPU加速库，是CuDNN配置指南的重点。首先，在NVIDIA开发者网站注册并下载CuDNN，确保版本与CUDA兼容（例如CUDA 11.4对应CuDNN 8.2.4）。

下载后（通常为.tgz文件），解压并复制到CUDA安装目录：

tar -xzvf cudnn-11.4-linux-x64-v8.2.4.15.tgz  # 文件名根据版本调整sudo cp cuda/include/cudnn*.h /usr/local/cuda-11.4/includesudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.4/lib64sudo chmod a+r /usr/local/cuda-11.4/include/cudnn*.h /usr/local/cuda-11.4/lib64/libcudnn*

安装完成后，你可以使用深度学习框架如TensorFlow或PyTorch来验证CuDNN是否正常工作。这完成了CuDNN配置指南的关键步骤。

5. 验证安装

运行以下命令验证所有组件，确保深度学习环境搭建成功：

• nvidia-smi – 显示GPU状态和驱动版本。
• nvcc -V – 显示CUDA编译器版本。
• 在Python中运行 import tensorflow as tf; print(tf.config.list_physical_devices("GPU")) 检查GPU是否可用。

如果一切正常，恭喜你成功安装了NVIDIA显卡驱动、CUDA和CuDNN！现在你可以开始深度学习和GPU加速计算了。

常见问题解答

Q: 安装驱动后黑屏怎么办？A: 尝试在GRUB启动时选择恢复模式，卸载驱动并重新安装，或使用较低版本驱动。

Q: CUDA和CuDNN版本不兼容？A: 确保CuDNN版本与CUDA版本匹配，参考NVIDIA官方兼容性表格。

Q: 环境变量设置错误？A: 检查~/.bashrc文件中的路径是否正确，或尝试在/etc/profile中设置。

本教程详细讲解了Ubuntu安装NVIDIA驱动、CUDA安装教程、CuDNN配置指南，帮助你完成深度学习环境搭建。如有问题，欢迎在评论区留言讨论。