Ubuntu 20.04 环境配置实践

NVIDIA Driver

通过 Ubuntu 官方的显卡驱动管理工具，自动检测当前系统硬件（显卡型号），并列出推荐安装的 NVIDIA 驱动版本（包括闭源驱动和开源驱动）。

1
2
sudo apt install ubuntu-drivers-common  # 先安装驱动管理工具（若未安装）
ubuntu-drivers list # 展示可用的驱动

为了使用 OpenGL 等功能，建议 Ubuntu 20.04 可以直接安装 nvidia-driver-535（非服务器版本）

安装步骤

  1. 卸载残余驱动
1
2
3
sudo apt update && sudo apt upgrade -y
sudo apt remove --purge nvidia-*  # 卸载旧驱动（如有）
sudo reboot  # 重启后再安装新驱动
  1. 安装
1
2
3
4
5
sudo apt install nvidia-driver-535 nvidia-utils-535

sudo reboot # 重启

nvidia-smi # 查看驱动

CUDA Toolkit 安装

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

建议安装 12.1，这里是安装了 12.0

(https://developer.nvidia.com/cuda-12-0-0-download-archive?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu&target_version=20.04&target_type=deb_local)

https://developer.nvidia.com/rdp/cudnn-archive

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

CUDNN 安装

cp 之后

sudo apt-cache search libcudnn

通过以下命令列出仓库中可用的 cuDNN 包，获取准确名称：

1
sudo apt-cache search libcudnn

针对 cuDNN 8.9.7 版本，输出应包含：

1
2
3
libcudnn8 - cuDNN runtime libraries
libcudnn8-dev - cuDNN development libraries and headers
libcudnn8-samples - cuDNN samples

如果没有搜索到，则是 cuDNN 本地仓库的 GPG 密钥未被 apt 正确信任，或仓库配置未同步到 apt 缓存。即使已复制密钥文件，仍需手动完成密钥注册和缓存更新，具体解决步骤如下：

  1. 重新导入 GPG 密钥（关键：让 apt 信任该密钥）
    仅复制密钥文件到 /usr/share/keyrings/ 不够，需通过 apt-key 或 gpg 命令将密钥注册到 apt 的信任列表中：
1
2
# 进入 cuDNN 本地仓库目录（确认密钥文件存在）
cd /var/cudnn-local-repo-ubuntu2004-8.9.7.29/
  • 方法1：用 apt-key 导入密钥（兼容性强），若提示 “OK”，说明密钥导入成功。
1
sudo apt-key add cudnn-local-30472A84-keyring.gpg
  • 方法2：若 apt-key 提示废弃，用 gpg 导入（适用于新版本 Ubuntu）
1
sudo gpg --dearmor -o /usr/share/keyrings/cudnn-local-30472A84-keyring.gpg cudnn-local-30472A84-keyring.gpg
  1. 强制更新 apt 缓存（让 apt 识别本地仓库）
    密钥导入后，必须更新 apt 缓存，才能加载 cuDNN 本地仓库的包信息：
1
sudo apt update

执行时需关注输出：若出现 Get:1 file:/var/cudnn-local-repo-ubuntu2004-8.9.7.29 InRelease [1,572 B] 或 Hit:xxx file:/var/cudnn-local-repo-ubuntu2004-8.9.7.29 InRelease，说明本地仓库已被 apt 识别。

  1. 再次搜索 libcudnn 包
1
sudo apt-cache search libcudnn

此时应正常显示 cuDNN 相关包：

1
2
3
libcudnn8 - cuDNN runtime libraries
libcudnn8-dev - cuDNN development libraries and headers
libcudnn8-samples - cuDNN samples

安装 cuDNN 核心包（必装）

1
sudo apt-get install -y libcudnn8 libcudnn8-dev

若需要示例代码，可额外安装：

1
sudo apt-get install -y libcudnn8-samples

验证：

1
cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

若输出 CUDNN_MAJOR 8、CUDNN_MINOR 9、CUDNN_PATCHLEVEL 7，则说明安装成功，与你的 CUDA 12.0 兼容。

安装 Miniconda

1
2
3
4
5
6
7
8
# 下载
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 赋予执行权限
chmod +x Miniconda3-latest-Linux-x86_64.sh

# 运行安装脚本
./Miniconda3-latest-Linux-x86_64.sh

可能需要配置环境变量：

1
2
3
4
5
# 1. 编辑 .bashrc 配置文件
vim ~/.bashrc

# 2. 在文件末尾添加以下内容（Miniconda 安装路径）
export PATH="/home/ubuntu/miniconda3/bin:$PATH"

Pytorch

1
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1 -i https://pypi.tuna.tsinghua.edu.cn/simple