Ubuntu20.04深度学习环境搭建指南 (从零安装显卡驱动、CUDA、Miniconda和PyTorch)【2025.06最新】

本文将详细介绍如何在Ubuntu 20.04系统上从零开始搭建深度学习环境，包括安装NVIDIA显卡驱动、CUDA工具包、Miniconda以及PyTorch框架。无论你是初学者还是有一定经验的开发者，按照本教程的步骤，都能顺利完成环境配置。

1. 准备工作

首先，确保你的系统是Ubuntu 20.04，并且拥有一块NVIDIA显卡。可以通过命令 lsb_release -a 查看版本，通过 lspci | grep -i nvidia 检查显卡。

2. 安装NVIDIA显卡驱动

Ubuntu20.04安装显卡驱动有多种方式。推荐使用图形界面的“软件和更新”工具，在“附加驱动”选项卡中选择推荐的专有驱动，然后应用更改。或者使用命令行：sudo ubuntu-drivers autoinstall，然后重启。安装完成后，运行 nvidia-smi 验证驱动是否成功安装。

3. 安装CUDA

访问NVIDIA官网下载适用于Ubuntu20.04的CUDA 12.x（最新版本）。可以选择runfile（.run）或本地deb包。以runfile为例：wget https://developer.download.nvidia.com/compute/cuda/12.5.0/local_installers/cuda_12.5.0_555.42.02_linux.run，然后执行 sudo sh cuda_12.5.0_555.42.02_linux.run，按照提示安装（注意不要重复安装驱动）。安装后配置环境变量，在 ~/.bashrc 中添加：export PATH=/usr/local/cuda/bin:$PATH 和 export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH。然后 source ~/.bashrc 并运行 nvcc -V 验证。

4. 安装Miniconda

Miniconda是管理Python环境的轻量级工具。下载最新安装脚本：wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh，然后执行 bash Miniconda3-latest-Linux-x86_64.sh，按提示完成安装。安装后重启终端或 source ~/.bashrc，conda 命令即可使用。建议配置国内镜像源加速：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ 等。

5. 安装PyTorch

使用conda创建新环境，例如 conda create -n pytorch python=3.10，激活环境：conda activate pytorch。然后根据CUDA版本安装PyTorch。访问PyTorch官网获取最新命令，例如：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121（适用于CUDA 12.x）。等待安装完成。

6. 验证安装

在Python中运行：import torch; print(torch.version); print(torch.cuda.is_available())，如果返回True，说明PyTorch已正确安装并支持GPU。

总结

通过以上步骤，你已经成功在Ubuntu20.04上搭建了深度学习环境，包括NVIDIA驱动、CUDA、Miniconda和PyTorch。现在你可以开始你的深度学习项目了！

本文关键词：Ubuntu20.04安装显卡驱动、CUDA安装教程、Miniconda配置、PyTorch深度学习环境搭建。