全网最详细教你在Ubuntu20.04安装NVIDIA驱动+CUDA+cuDNN

1. 准备工作：检查硬件与系统

在开始CUDA安装教程之前，务必确认你的电脑拥有NVIDIA显卡，并且系统是Ubuntu20.04。打开终端（Ctrl+Alt+T），输入以下命令检查显卡型号：

lspci | grep -i nvidia

如果没有任何输出，说明你的电脑没有NVIDIA显卡，请停止安装。另外，还需要检查系统是否更新到最新：

sudo apt update && sudo apt upgrade -y

2. 安装NVIDIA驱动（避坑版）

驱动安装是第一步，也是最容易出问题的地方。这里推荐使用runfile方式，因为它最可控。首先，前往NVIDIA官网下载对应你显卡的最新驱动（.run文件）。为了避免nouveau冲突，需要将其加入黑名单：

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，验证nouveau是否禁用：

lsmod | grep nouveau

若无输出，则禁用成功。接下来，停止图形界面（进入tty模式）：按Ctrl+Alt+F3，登录后执行：

sudo service lightdm stop  # 或者 sudo systemctl stop gdm3

给下载的驱动文件执行权限并安装：

chmod +x NVIDIA-Linux-.runsudo ./NVIDIA-Linux-.run --no-opengl-files

安装过程中全部选择默认即可。完成后重启，运行nvidia-smi，如果看到显卡信息，则驱动安装成功。这一步完成了Ubuntu20.04安装NVIDIA驱动的核心部分。

3. CUDA安装教程（选择对应版本）

CUDA的版本需要与驱动兼容。使用nvidia-smi查看右上角的CUDA Version，这是驱动支持的最高版本。我们选择不超过该版本的CUDA进行安装。前往NVIDIA官网下载CUDA Toolkit（选择runfile方式）。例如下载CUDA 11.8：

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

注意：不要选择安装驱动（因为我们已经安装过），只勾选CUDA Toolkit和示例。安装完成后，配置环境变量：

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

验证CUDA：nvcc -V，如果显示版本信息，说明CUDA安装教程顺利完成。

4. cuDNN配置（加速库安装）

cuDNN是深度神经网络的加速库，这里我们进行cuDNN配置。首先需要注册NVIDIA账号并下载与CUDA版本匹配的cuDNN（选择cuDNN Library for Linux）。假设下载了cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xz，解压并复制文件：

tar -xvf cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xzcd cudnn-linux-x86_64-8.6.0.163_cuda11-archive/sudo cp include/cudnn.h /usr/local/cuda/include/sudo cp lib/libcudnn /usr/local/cuda/lib64/sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

验证cuDNN版本：

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

如果输出包含版本号，则cuDNN安装成功。至此，完整的深度学习环境搭建已完成。

5. 终极验证

编写一个简单的Python脚本来测试GPU可用性（需要安装tensorflow或pytorch）。例如：

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices("GPU"))"

如果能看到GPU设备列表，那么恭喜你，所有安装完美收官！

本文详细介绍了Ubuntu20.04安装NVIDIA驱动、CUDA安装教程、cuDNN配置以及完整的深度学习环境搭建过程，希望对你有所帮助。如果在安装中遇到任何问题，欢迎留言交流。