跳到主要内容
极客日志极客日志面向AI+效率的开发者社区
首页博客GitHub 精选镜像工具UI配色美学隐私政策关于联系
搜索内容 / 工具 / 仓库 / 镜像...⌘K搜索
注册
博客列表
C++AI算法

Linux 系统升级 CUDA 到最新版本

Linux 系统升级 CUDA 需检查 GCC 及 GPU 兼容性，卸载旧版本后通过包管理器或.run 文件安装新版 Toolkit。配置环境变量并验证 nvcc 与 nvidia-smi。可选升级 cuDNN 支持深度学习。常见问题包括驱动不兼容、路径冲突及权限设置。

清酒独酌发布于 2025/10/28更新于 2026/5/3020 浏览

Linux 系统中升级 CUDA 到最新版本

在 Linux 系统中升级 CUDA 到最新版本（例如 CUDA Toolkit 12.6），需要确保系统兼容性、卸载旧版本、安装新版本并验证安装。以下是清晰有序的步骤，适用于 Ubuntu/Debian 或 Red Hat/CentOS 等常见 Linux 发行版，涵盖环境准备、安装方法和注意事项。

1. 前期准备

1.1 检查系统兼容性

检查 GCC 版本： CUDA 需要兼容的 GCC 版本（例如，CUDA 12.6 支持 GCC 11.x 或更低）。检查当前版本：

gcc --version

如需安装或切换 GCC 版本：

sudo apt install gcc-11 g++-11 # Ubuntu/Debian
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-11 50

检查 Linux 版本： 确认发行版和版本（CUDA 支持 Ubuntu、Debian、Fedora、CentOS 等）：

lsb_release -a

或：

cat /etc/os-release

确认 GPU 支持 CUDA： 检查系统中是否有 NVIDIA GPU：

lspci | grep -i nvidia

验证 GPU 是否在 NVIDIA 支持列表中：访问 NVIDIA CUDA GPUs。

1.2 验证当前 CUDA 版本

检查已安装的 CUDA 版本（若有）：

nvcc --version

或：

nvidia-smi
  • nvcc --version 显示 CUDA Toolkit 版本。
  • nvidia-smi 显示驱动支持的 CUDA 版本（可能与 Toolkit 版本不同）。
1.3 备份系统

升级前建议备份重要数据，以防安装失败或系统问题。

2. 卸载旧版本 CUDA（可选）

若系统已安装旧版 CUDA，建议卸载以避免冲突。

2.1 卸载通过包管理器安装的 CUDA

CentOS/RHEL：

sudo yum remove cuda nvidia-cuda-toolkit

Ubuntu/Debian：

sudo apt purge nvidia-cuda-toolkit cuda*
sudo apt autoremove
2.2 卸载通过.run 文件安装的 CUDA

若使用 NVIDIA 提供的.run 安装包：

  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。
  1. 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

目录

  1. Linux 系统中升级 CUDA 到最新版本
  2. 1. 前期准备
  3. 1.1 检查系统兼容性
  4. 1.2 验证当前 CUDA 版本
  5. 1.3 备份系统
  6. 2. 卸载旧版本 CUDA（可选）
  7. 2.1 卸载通过包管理器安装的 CUDA
  8. 2.2 卸载通过.run 文件安装的 CUDA
  9. 2.3 验证卸载
  10. 3. 安装最新 CUDA Toolkit（12.6）
  11. 3.1 方法 1：使用 NVIDIA 官方包管理器（推荐）
  12. Ubuntu/Debian
  13. CentOS/RHEL
  14. 3.2 方法 2：使用.run 文件安装
  15. 3.3 方法 3：使用 Conda 安装（Anaconda 环境）
  16. 4. 验证安装
  17. 5. 升级 cuDNN（可选）
  18. 6. 注意事项与常见问题
  19. 6.1 驱动版本不兼容
  20. 6.2 安装冲突
  21. 6.3 环境变量未生效
  22. 6.4 多版本共存
  23. 6.5 权限问题
  24. 7. 总结
  25. 参考资源
  • 💰 8折买阿里云服务器限时8折了解详情
  • Magick API 一键接入全球大模型注册送1000万token查看
  • 🤖 一键搭建Deepseek满血版了解详情
  • 一键打造专属AI 智能体了解详情
极客日志微信公众号二维码

微信扫一扫，关注极客日志

微信公众号「极客日志V2」，在微信中扫描左侧二维码关注。展示文案：极客日志V2 zeeklog

更多推荐文章

查看全部
  • PentAGI AI 自动化渗透工具 Docker 部署指南
  • PostgreSQL 插件 pgvector 核心功能与版本演进总结
  • AI 代理工具全景：Claude Code 等六大产品深度解析
  • 2025 年蓝桥杯网络安全 CTF 省赛真题详解 (Web/Misc/Crypto/Reverse)
  • Faster Whisper 语音识别：高效转写技术全解析
  • Neo4j 社区版安装与使用指南
  • AI Agent 技术架构与落地实践指南
  • 鸿蒙金融理财全栈项目：上线运维、用户反馈与持续迭代优化
  • Novel Writer：AI 驱动的中文小说创作工具
  • Ubuntu 24.04 GPU 服务器测试系统盘制作
  • 2026 年 AI 漫剧工具排行榜：11 款软件横向对比
  • Spring Boot 与 Leaflet 构建省级旅游口号 WebGIS 可视化平台
  • FPGA 入门教程：基于 Altera EP4CE10 点亮 LED
  • OpenClaw 部署指南：Coding Plan 配置、CC Switch 与飞书机器人接入
  • Linux Mint 22.3 完整安装指南与优化指导
  • IDA Pro 详细使用教程与逆向分析基础
  • Java Map 常用方法与核心实现类深度解析
  • Vue3 与 TypeScript 前端高频面试题解析
  • OpenWebUI 配合 SearXNG 实现本地大模型联网搜索及国内引擎配置
  • 数据中心网络核心架构：Clos 架构详解

相关免费在线工具

  • 加密/解密文本

    使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online

  • RSA密钥对生成器

    生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online

  • Mermaid 预览与可视化编辑

    基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online

  • 随机西班牙地址生成器

    随机生成西班牙地址（支持马德里、加泰罗尼亚、安达卢西亚、瓦伦西亚筛选），支持数量快捷选择、显示全部与下载。 在线工具，随机西班牙地址生成器在线工具，online

  • Gemini 图片去水印

    基于开源反向 Alpha 混合算法去除 Gemini/Nano Banana 图片水印，支持批量处理与下载。 在线工具，Gemini 图片去水印在线工具，online

  • Base64 字符串编码/解码

    将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online