导言

作为深度学习和并行计算的核心工具，CUDA（Compute Unified Device Architecture）为NVIDIA显卡提供了并行计算的能力。在本教程中，我们将详细介绍如何在Ubuntu操作系统下配置CUDA。本教程以CUDA 12.1和Ubuntu 20.04为例进行说明，但对于其他版本的CUDA和Ubuntu，配置过程也相差无几。

https://p.v50.tools/images/2023/04/11/cuda-logo.jpeg

安装CUDA

步骤1：确认系统兼容性

在配置CUDA之前，首先要确保你的系统满足安装要求。以下是需要检查的项目：

  1. 确保你的GPU是NVIDIA GPU，并支持CUDA计算能力。可以通过NVIDIA官方网站查看支持的GPU列表。
  2. 确保你的系统是64位的Ubuntu操作系统。
  3. 安装Linux内核版本在4.4及以上的版本。

步骤2：更新系统软件包

打开终端并输入以下命令更新系统软件包：

sudo apt update
sudo apt upgrade

步骤3：安装NVIDIA显卡驱动

如果你的系统尚未安装NVIDIA显卡驱动，可使用以下命令安装：

sudo ubuntu-drivers autoinstall

安装完成后，重启计算机以确保驱动程序正确加载。

步骤4：下载CUDA工具包

前往CUDA ToolKit官方网站下载相应版本的CUDA Toolkit，的安装包（以CUDA 12.1为例）

https://p.v50.tools/images/2023/04/11/cuda-install.png

步骤5：安装CUDA Toolkit

你可以运行以下命令下载并安装CUDA Toolkit：

wget <https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin>
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget <https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda-repo-ubuntu2004-12-1-local_12.1.0-530.30.02-1_amd64.deb>
sudo dpkg -i cuda-repo-ubuntu2004-12-1-local_12.1.0-530.30.02-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2004-12-1-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda

步骤6：配置环境变量

为了确保系统能够正确识别CUDA Toolkit的安装位置，需要设置环境变量。打开~/.bashrc文件，添加以下内容：

#打开~/.bashrc
sudo vim ~/.bashrc

#在文末添加下两行并保存关闭
export PATH=/usr/local/cuda-12.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

保存文件并运行以下命令使环境变量生效：

source ~/.bashrc

步骤7：验证CUDA安装

运行以下命令验证CUDA是否已正确安装

nvcc --version

如果安装成功，你将看到类似于以下的输出，其中显示了CUDA编译器（nvcc）的版本信息：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Tue_Sep_21_19:24:46_PDT_2021
Cuda compilation tools, release 12.1, VXX.X.X
Build cuda_12.1.r12.1/compiler.XX

安装cuDNN库（可选）

cuDNN是一款深度学习框架的GPU加速库，支持TensorFlow、PyTorch等框架。要安装cuDNN，请按照以下步骤操作：

https://p.v50.tools/images/2023/04/11/cuDNN-install.png
  1. 前往NVIDIA官方网站注册并登录，然后进入cuDNN下载页面。
  2. 选择与你安装的CUDA版本兼容的cuDNN版本，下载对应的压缩包。
  3. 解压缩下载的文件。假设文件解压缩到了~/Downloads/cudnn-local-repo-ubuntu2004-8.8.1.3_1.0-1_amd64.deb目录。
  4. 在终端中运行以下命令安装cuDNN库，在置行以下命令之前，您必须将X.Y和8.x.x.x替换为您特定的CUDA和cuDNN版本。：
cd ~/Downloads/
sudo dpkg -i cudnn-local-repo-${OS}-8.x.x.x_1.0-1_amd64.deb

#导入GPG key
sudo cp /var/cudnn-local-repo-*/cudnn-local-*-keyring.gpg /usr/share/keyrings/

#刷新apt源
sudo apt-get update

#安装库
sudo apt-get install libcudnn8=8.x.x.x-1+cudaX.Y
sudo apt-get install libcudnn8-dev=8.x.x.x-1+cudaX.Y
sudo apt-get install libcudnn8-samples=8.x.x.x-1+cudaX.Y

总结

至此，你已经成功配置了Ubuntu下的CUDA环境。现在，你可以使用GPU进行深度学习和高性能计算了。在接下来的工作中，你可能还需要根据实际需求安装和配置深度学习框架，例如TensorFlow或PyTorch。