目录

1–安装Nvidia驱动

① 查看可安装的Nvidia驱动版本：

ubuntu-drivers devices

② 安装相应版本的Nvidia驱动：

博主这里选择的是第一个，也可以安装推荐（recommended）的版本

sudo apt-get install nvidia-driver-515

安装过程中，一般要设置一个密码，这个密码在后面重启系统会用到！

③ 安装完成后，需要重启电脑：

reboot

重启电脑一般会弹出以下Perform MDK management界面：

选择第二个选项 Eroll MDK，输入第②步设置的密码后，会发现只剩下三个选项，选择第一个开机选项即可完成 Nvidia 驱动的安装；

④ 验证安装：

nvidia-smi

出现以上界面即为安装成功！

2–安装CUDA

2-1–禁用nouveau

① 查看黑名单

sudo gedit /etc/modprobe.d/blacklist.conf

② 在弹出的文本末尾添加黑名单

blacklist nouveau

③ 保存并重启

sudo update-initramfs -u
 
reboot

④ 测试是否禁用成功

lsmod | grep nouveau

无输出即禁用 nouveau 成功！

2-2–选择CUDA Toolkit

NVIDIA CUDA驱动版本下载地址：https://developer.nvidia.com/cuda-toolkit-archive

注：选择合适的版本进行安装，确保 CUDA Toolkit 的版本低于 Nvidia 驱动的版本！（这里博主的CUDA Toolkit 版本为465.19.01，低于安装的 Nvidia驱动 版本515.86.01，可以兼容和适配）

2-3–下载和安装CUDA Toolkit

① 根据2-2截图中的两条命令进行安装（第一个命令将下载CUDA Toolkit，第二个命令将安装CUDA Toolkit）：

wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/cuda_11.3.1_465.19.01_linux.run

sudo sh cuda_11.3.1_465.19.01_linux.run

在执行安装命令的时候，也许需要先执行以下命令：

sudo chmod +x cuda_11.3.1_465.19.01_linux.run

再执行安装命令：

sudo sh cuda_11.3.1_465.19.01_linux.run

accept 之后，不要安装驱动，因为之前我们已经安装了Nvidia驱动！

2-4–配置环境变量

sudo gedit ~/.bashrc

末尾添加以下两条路径：（由于博主安装的是 Cuda11.3，所以路径为cuda-11.3，这里需根据实际的安装版本和路径进行设定）

export PATH=/usr/local/cuda-11.3/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda11.3/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

更新系统变量：

source ~/.bashrc

2-5–测试是否安装成功：

nvcc -V

3–安装CUDA CuDNN

CUDA CuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-archive

① 下载合适的CUDA CuDNN版本：（选择第二项x86 64进行下载）

② 解压安装包：

tar -xzvf cudnn-11.3-linux-x64-v8.2.1.32.tgz

③ 拷贝文件到cuda安装目录，并给予执行权限：

sudo cp -d cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp -d cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

④ 测试是否安装成功：

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

输出对应的版本号即为安装成功！

4–测试pytorch能否使用Cuda

pytorch下载地址：https://pytorch.org/

① 下载合适版本的 pytorch（这里博主选用的是基于 Cuda11.3 的 v1.12.0 版本）；

conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch

② 验证Cuda可用性：

python

import torch

print(torch.cuda.is_available())

当输出为 True 时，表明 pytorch 安装成功，pytorch 可以使用 Cuda 进行加速，Nvidia驱动、CUDA Toolkit 和 CUDA CuDNN 等均安装成功！！！！