ubuntu20.04安装cuda,pytorch

### 安装 CUDA 和 PyTorch 的教程 #### 准备工作 确保 Ubuntu 20.04 已经更新到最新状态。可以通过以下命令来完成系统的更新： ```bash sudo apt update && sudo apt upgrade -y ``` #### 安装 NVIDIA 驱动程序 为了使 CUDA 正常运行，需要先安装兼容的 NVIDIA 显卡驱动。 ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo ubuntu-driver autoinstall reboot ``` #### 下载并安装 CUDA Toolkit 进入官方 CUDA 安装页面[^2]，选择适合 WSL-Ubuntu 版本的选项进行下载。对于 Ubuntu 20.04 来说，推荐使用稳定版而非最新的测试版本。这里假设选择了 CUDA 11.x 版本作为目标安装包。 通过浏览器访问 [NVIDIA 开发者网站](https://developer.nvidia.com/cuda-downloads)，按照提示操作直至获取 runfile 文件链接地址；也可以直接点击特定版本号跳转至对应页面获取本地可执行文件(runfile)。 接着，在终端中输入如下指令下载并启动安装向导（请替换 `<path_to_run_file>` 为实际路径）: ```bash wget <path_to_run_file> chmod +x cuda_*_linux.run sudo ./cuda_*_linux.run --silent --toolkit ``` 注意：`--silent` 参数表示静默模式安装，而 `--toolkit` 表示仅安装开发工具集而不含样品代码等额外组件。 验证安装成功与否的方法之一就是查看 `/usr/local/` 目录下是否存在名为 `cuda-x.y` (其中 x.y 是具体版本号) 的子目录结构。 设置环境变量以便后续编译项目能够找到库位置： 编辑用户的 shell profile 文件(`~/.bashrc`)追加下面两行配置项： ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 让更改生效： ```bash source ~/.bashrc ``` 最后一步是确认当前使用的 GCC 编译器版本与所选 CUDA 版本相匹配。通常情况下，默认安装的 gcc 应该可以满足需求，但如果遇到不兼容问题，则需手动调整默认gcc版本或重新指定 nvcc 使用哪个 g++ 实例。 #### CUDNN 的安装 前往[NVIDIA cuDNN Archive 页面][cudnn-archive-url]下载适用于已安装 CUDA 版本的 cuDNN 库压缩包，并解压后复制相应文件夹内的内容覆盖到 `/usr/local/cuda-X.Y/` 中去[^3]。 [cudnn-archive-url]: https://developer.nvidia.com/rdp/cudnn-archive #### Anaconda 的安装 Anaconda 提供了一个方便管理 Python 软件包及其依赖关系的方式。可以从官方网站下载 Linux 平台下的 .sh 或 .bash 安装脚本，之后依照指示逐步完成整个过程即可。 #### PyTorch 的安装 当上述准备工作完成后，就可以着手准备安装 PyTorch 了。考虑到不同硬件平台以及个人偏好差异较大，建议参考[PyTorch官网给出的不同场景下的安装指导][pytorch-installation-guide]来进行最终的选择和部署。 [pytorch-installation-guide]: https://pytorch.org/get-started/locally/