50系显卡Ubuntu 22.04深度学习环境配置完全指南（NVIDIA驱动+CUDA+cuDNN+Anaconda+PyTorch一站式安装·2025年7月版）

1. 准备工作：系统更新与依赖

打开终端，执行以下命令更新系统软件包：

    sudo apt update && sudo apt upgrade -ysudo apt install build-essential dkms  

2. 安装NVIDIA驱动（50系显卡推荐v560+）

首先禁用开源驱动nouveau：

    echo "blacklist nouveau" | sudo tee /etc/modprobe.d/blacklist-nvidia-nouveau.confecho "options nouveau modeset=0" | sudo tee -a /etc/modprobe.d/blacklist-nvidia-nouveau.confsudo update-initramfs -u  

重启后，使用ubuntu-drivers自动检测推荐驱动：

    ubuntu-drivers devicessudo apt install nvidia-driver-560  

或从NVIDIA官网下载最新驱动（如560.35.03）手动安装。安装完成后重启，运行nvidia-smi验证。

3. 安装CUDA 12.4（兼容PyTorch）

我们选择CUDA 12.4，因为PyTorch 2.4+已官方支持。前往NVIDIA开发者网站下载runfile：

    wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.15_linux.runsudo sh cuda_12.4.0_550.54.15_linux.run  

安装时取消勾选Driver（因已装驱动），只安装CUDA Toolkit。添加环境变量到~/.bashrc：

    export PATH=/usr/local/cuda-12.4/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda-12.4/lib64:$LD_LIBRARY_PATH  

执行source ~/.bashrc，验证nvcc -V。

4. 安装cuDNN for CUDA 12.x

从NVIDIA官网下载cuDNN 9.1+（需注册），选择“cuDNN for CUDA 12.x”的deb包或tar包。这里以tar包为例：

    tar -xvf cudnn-linux-x86_64-9.1.0.70_cuda12-archive.tar.xzsudo cp cudnn--archive/include/cudnn.h /usr/local/cuda-12.4/includesudo cp -P cudnn--archive/lib/libcudnn /usr/local/cuda-12.4/lib64sudo chmod a+r /usr/local/cuda-12.4/include/cudnn*.h /usr/local/cuda-12.4/lib64/libcudnn*  

5. 安装Anaconda（或Miniconda）

下载Anaconda最新脚本并安装：

    wget https://repo.anaconda.com/archive/Anaconda3-2025.07-Linux-x86_64.shbash Anaconda3-2025.07-Linux-x86_64.sh  

按提示完成，安装后重新打开终端或source ~/.bashrc。

6. 创建PyTorch虚拟环境并安装

创建名为pytorch50的环境，指定Python 3.10：

    conda create -n pytorch50 python=3.10 -yconda activate pytorch50  

安装PyTorch（CUDA 12.4版本）：

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

或使用conda：conda install pytorch torchvision torchaudio cudatoolkit=12.4 -c pytorch -c nvidia（但cudatoolkit可能较旧，推荐pip）。

7. 验证PyTorch与CUDA

在python中测试：

    python -c "import torch; print(torch.version); print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))"  

若输出True并显示RTX 5090等，恭喜你，环境配置成功！

至此，你已在Ubuntu 22.04上为50系显卡搭建了完整的NVIDIA驱动+CUDA+cuDNN+Anaconda+PyTorch深度学习环境。本文关键词：50系显卡 Ubuntu 22.04 驱动安装 CUDA 12.4 cuDNN 配置 Anaconda PyTorch 环境 NVIDIA 驱动一站式安装。