Ubuntu 20.04安装显卡驱动、CUDA、Miniconda和Pytorch（2025.06最新）-Ubuntu从零搭建深度学习环境
文章目录
一、安装显卡驱动
1.1 查看显卡型号
lspci |grep-i nvidia 
我们发现输出的信息中有Device 2230，可以根据这个信息查询显卡型号
查询网址：https://admin.pci-ids.ucw.cz/mods/PC/10de?action=help?help=pci
输入后点击Jump查询
我们发现显卡型号为RTX A60001.2 根据显卡型号选择驱动
英伟达驱动下载：https://www.nvidia.cn/Download/Find.aspx?lang=cn&QNF=1
根据需求，输入显卡型号、操作系统和语言，选择相应的驱动版本，我选择550.78这个版本。
1.3 获取下载链接
点击下载
点击【同意并开始下载】
1.4 查看下载的显卡驱动安装文件
ll 
1.5 更新软件列表和安装必要软件、依赖
sudoapt-get update sudoapt-getinstall g++ sudoapt-getinstall gcc sudoapt-getinstallmake1.6 卸载原有驱动
sudoapt-get remove --purge nvidia* 1.7 禁用默认驱动
在安装NVIDIA驱动前，禁用系统自带显卡驱动nouveau
使用vim打开和修改文件，也可用gedit
sudovim /etc/modprobe.d/blacklist.conf 在文件尾增加两行：
blacklist nouveau options nouveau modeset=0
更新文件
sudo update-initramfs -u此时必须重启电脑：
sudoreboot1.8 安装lightdm显示管理器
sudoapt-getinstall lightdm 1.9 停止显示服务器
sudo telinit 31.10 在文本界面中，禁用X-window服务
sudoservice gdm3 stop 1.11 安装驱动
# 授予执行权限sudochmod777 NVIDIA-Linux-x86_64-550.78.run # 执行安装命令sudo ./NVIDIA-Linux-x86_64-550.78.run 1.12 检测显卡驱动是否安装成功
nvidia-smi 
大功告成~
1.12 重启显示服务、恢复图像界面
sudoservice gdm3 start sudo telinit 5二、安装CUDA
2.1 选择合适的CUDA版本
我显卡的驱动版本是550.78，可以安装CUDA 12版本。可根据自己显卡版本选择合适的CUDA版本：查询链接：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
2.2 下载CUDA
下载页面链接：https://developer.nvidia.com/cuda-toolkit-archive
# 使用命令下载文件：wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.run 
# 使用命令查看文件下载： ll 
2.3 安装CUDA
sudosh cuda_12.1.0_530.30.02_linux.run 稍等一会，会出现如下界面，输入：accept即可安装
接着会出现如下界面：
需要注意的是，上述过程我们已在步骤1安装显卡驱动，已无需再装，可通过键盘选择，取消驱动的安装。
再将光标通过键盘移至Install，开始安装：
2.4 环境变量配置
以vim方式打开配置文件
sudovim ~/.bashrc 在文件尾中加入以下两行：
exportPATH="/usr/local/cuda-12.1/bin:$PATH"exportLD_LIBRARY_PATH="/usr/local/cuda-12.1/lib64:$LD_LIBRARY_PATH"
更新环境变量
source ~/.bashrc 2.5 检测CUDA是否安装成功
nvcc -V
命令行显示如上信息，表明安装成功！大功告成~
三、Miniconda
Anaconda简介：Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。Anaconda和Miniconda的区别：Anaconda软件包大概500MB，安装后大概3-4G，base环境包括了conda管理器、Pyhon编译器、常用的包和Spyder IDE等；Miniconda软件包大概50MB，安装后大概300MB，base环境选择只包括conda管理器和Python编译器，其他的包需要通过conda命令安装。
3.1 下载Miniconda
官网链接：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
右键选择“复制链接”，并使用wget命令在Ubuntu服务器下载：
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py38_23.11.0-1-Linux-x86_64.sh 
3.2 安装Miniconda
（1）开始安装。输入以下命令后，敲击回车键
sudobash Miniconda3-py38_23.11.0-1-Linux-x86_64.sh 
（2）接受条款。按着Enter不松，直到出现条款，输入yes：
(3) 输入安装路径后敲击回车键。我的安装路径为：/usr/local/miniconda
（4）最后敲击回车键
3.3 配置环境
（1）配置环境变量。修改/etc/profile文件，来配置环境，添加一行（根据自己的安装路径添加）
export PATH=/usr/local/miniconda/bin:$PATH 
（2）注入环境。
source /etc/profile 
(3) 验证是否安装成功
conda -V
若显示版本号，表明miniconda已安装成功！
四、安装Pytorch
4.1 选择合适Pytorch版本
链接：https://pytorch.org/get-started/previous-versions/
由于CUDA安装的版本是12.1，所以可以用Pytorch的v2.2.0版本
4.2 安装Pytorch
可用conda安装
conda installpytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 pytorch-cuda=12.1-c pytorch -c nvidia 也可用pip安装
pip installtorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 --index-url https://download.pytorch.org/whl/cu121 五、关于安装cuDNN（这个坑以后再补）
cuDNN是一个基于CUDA的深度学习GPU加速库，可以提高深度学习模型在GPU上的训练速度。cuDNN不是必须安装的，但是一般会采用这个加速库。部分深度学习框架，如PyTorch，会自带预先编译的cuDNN，无需手动安装。后面我还需要安装Pytorch，所以cuDNN就没安装，需要安装的可以参考下面信息，但是不完整。
版本查看页面：https://developer.nvidia.com/cudnn-downloads
下载CUDA 12对应的cuDNN版本，这里我们选择8.9.0版本。点击该版本，显示如下，我们选择红框圈中的版本。
