Linux 系统升级 CUDA 到最新版本

1. 查找安装目录（通常为 /usr/local/cuda-X.Y）。

检查环境变量，移除旧 CUDA 路径：

nano ~/.bashrc

删除类似以下行：

export PATH=/usr/local/cuda-X.Y/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-X.Y/lib64:$LD_LIBRARY_PATH

保存并生效：

source ~/.bashrc

删除目录：

sudo rm -rf /usr/local/cuda-X.Y

2.3 验证卸载

运行以下命令，确保旧版本已移除：

nvcc --version

应提示命令不存在。

3. 安装最新 CUDA Toolkit（12.6）

3.1 方法 1：使用 NVIDIA 官方包管理器（推荐）

此方法通过添加 NVIDIA 仓库安装，适合 Ubuntu/Debian 和 CentOS/RHEL，易于管理和升级。

Ubuntu/Debian

• cuda 是一个元包，会安装最新版本的 CUDA Toolkit（12.6）和兼容的 NVIDIA 驱动。

配置环境变量： 编辑 ~/.bashrc：

nano ~/.bashrc

添加：

export PATH=/usr/local/cuda-12.6/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.6/lib64:$LD_LIBRARY_PATH

生效：

source ~/.bashrc

更新包索引并安装 CUDA：

sudo apt update
sudo apt install cuda

下载并添加 NVIDIA CUDA 仓库： 访问 NVIDIA CUDA Toolkit 下载页面，选择适合的平台（例如，Ubuntu 22.04，x86_64，deb (local)）。执行提供的命令，例如：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin
sudo mv cuda-ubuntu2204.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/3bf863cc.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/ /"

CentOS/RHEL

1. 配置环境变量： 同 Ubuntu，编辑 ~/.bashrc 添加路径。

安装 CUDA：

sudo dnf install cuda

添加 NVIDIA CUDA 仓库： 执行类似以下命令（根据发行版调整，例如 RHEL 8）：

sudo dnf config-manager --add-repo https://developer.download.nvidia.com/compute/cuda/repos/rhel8/x86_64/cuda-rhel8.repo

3.2 方法 2：使用.run 文件安装

适用于需要自定义安装或离线环境的场景。

• 按提示选择安装选项（可选择不安装驱动程序，仅安装 Toolkit）。
• 默认安装路径为 /usr/local/cuda-12.6。

2. 配置环境变量： 同上，编辑 ~/.bashrc 添加路径。

运行安装：

sudo sh cuda_12.6.0_555.42.02_linux.run

下载.run 安装包： 访问 NVIDIA CUDA Toolkit 下载页面，选择.run 文件。例如：

wget https://developer.download.nvidia.com/compute/cuda/12.6.0/local_installers/cuda_12.6.0_555.42.02_linux.run

3.3 方法 3：使用 Conda 安装（Anaconda 环境）

适用于深度学习用户，集成 TensorFlow/PyTorch。

验证：

nvcc --version

安装 CUDA Toolkit：

conda install -c nvidia cudatoolkit=12.6

激活 Conda 环境：

conda activate your_env_name

4. 验证安装

编译示例程序： 下载 NVIDIA CUDA 样本：

git clone https://github.com/NVIDIA/cuda-samples.git
cd cuda-samples/Samples/0_Introduction/vectorAdd
make
./vectorAdd

若输出表明测试通过，CUDA 安装成功。

检查 NVIDIA 驱动和 CUDA 兼容性：

nvidia-smi

确认驱动版本和 CUDA 版本（例如，驱动支持 CUDA 12.6）。

检查 CUDA 版本：

nvcc --version

预期输出示例：

nvcc: NVIDIA (R) Cuda compiler driver
Cuda compilation tools, release 12.6, V12.6.68

5. 升级 cuDNN（可选）

cuDNN 是深度学习加速库，常与 CUDA 一起使用。

1. 注册 NVIDIA 开发者账户： 访问 NVIDIA cuDNN 下载页面，登录并下载与 CUDA 12.6 兼容的 cuDNN（例如，cuDNN 9.x）。
2. 验证： 检查 cuDNN 版本（需要运行依赖 cuDNN 的程序，如 TensorFlow）。

解压并安装：

tar -xvf cudnn-linux-x86_64-9.x.x.x_cuda12.x-archive.tar.xz
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda-12.6/include
sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda-12.6/lib64
sudo chmod a+r /usr/local/cuda-12.6/include/cudnn*.h /usr/local/cuda-12.6/lib64/libcudnn*

6. 注意事项与常见问题

6.1 驱动版本不兼容

• 问题：nvidia-smi 显示 CUDA 版本低于 12.6。

解决：更新 NVIDIA 驱动：

sudo apt install nvidia-driver-555

或从 NVIDIA 驱动下载页面 获取最新驱动。

6.2 安装冲突

• 问题：旧 CUDA 残留导致安装失败。
• 解决：彻底卸载旧版本（见步骤 2），检查 /usr/local/ 下是否有旧 CUDA 目录。

6.3 环境变量未生效

• 问题：nvcc 命令未找到。

解决：确认 ~/.bashrc 中的 PATH 和 LD_LIBRARY_PATH 设置正确，并运行：

source ~/.bashrc

6.4 多版本共存

CUDA 支持并行安装（side-by-side）。安装到不同目录（如 /usr/local/cuda-12.6），使用符号链接切换版本：

sudo ln -sf /usr/local/cuda-12.6 /usr/local/cuda

或通过 update-alternatives 管理：

sudo update-alternatives --config cuda

6.5 权限问题

确保使用 sudo 执行安装命令，安装目录（如 /usr/local/cuda）有正确权限：

sudo chown -R root:root /usr/local/cuda-12.6

7. 总结

升级 CUDA 到最新版本（12.6）的步骤：

1. 检查系统兼容性（GPU、Linux 版本、GCC）。
2. 卸载旧版本 CUDA（若需要）。
3. 通过包管理器或.run 文件安装 CUDA 12.6。
4. 配置环境变量（PATH 和 LD_LIBRARY_PATH）。
5. 验证安装（nvcc --version 和示例程序）。
6. （可选）升级 cuDNN 以支持深度学习。

参考资源

• NVIDIA CUDA Toolkit 下载
• NVIDIA CUDA 安装指南
• NVIDIA cuDNN 下载
• Ubuntu CUDA 安装教程