Ubuntu 系统下 CUDA 环境安装涉及驱动、工具包、环境变量及验证步骤。首先检查系统需求并卸载旧驱动，通过 apt 安装 NVIDIA 显卡驱动。接着添加 CUDA 官方源并安装工具包。配置 PATH 和 LD_LIBRARY_PATH 环境变量后重启生效。最后使用 deviceQuery 示例和 nvcc 命令验证安装状态，可选安装 cuDNN 支持深度学习框架。
在 Ubuntu 上配置 CUDA 环境，通常需要以下几个步骤：
在安装 CUDA 之前，确保以下事项：
建议你先删除任何旧版本的驱动程序或 CUDA 软件包，以避免冲突：
sudo apt-get --purge remove "*nvidia*"
你可以使用 Ubuntu 的包管理器来自动安装适合的 NVIDIA 驱动。
首先，更新系统软件包：
sudo apt update && sudo apt upgrade
启用 Ubuntu 的驱动程序仓库：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
检查可用的 NVIDIA 驱动：
ubuntu-drivers devices
这将列出系统支持的 NVIDIA 驱动版本。安装推荐的 NVIDIA 驱动程序（例如 nvidia-driver-xxx，其中 xxx 是版本号）：
sudo apt install nvidia-driver-470
安装完成后，重新启动计算机：
sudo reboot
访问 NVIDIA CUDA Toolkit 下载页面，选择你的 Ubuntu 版本并复制对应的安装命令。以 CUDA 12.0 为例，使用以下步骤：
根据官网提供的命令，运行以下命令来添加 CUDA 存储库：
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
添加 GPG 密钥：
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
安装完 GPG 密钥后，添加 CUDA 存储库并安装 CUDA 工具包：
sudo apt update
sudo apt install cuda
重启系统：安装完成后，重新启动系统：
sudo reboot
为了让系统可以找到 CUDA 工具和库，需要配置环境变量。
打开终端，编辑 .bashrc 文件：
nano ~/.bashrc
在文件的末尾添加以下几行（请根据实际安装路径调整，通常路径是 /usr/local/cuda-<version>）：
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
保存并关闭文件，然后使更改生效：
source ~/.bashrc
CUDA 工具包中通常包含示例代码，可以使用这些示例来测试是否成功安装。先导航到 CUDA 安装目录的示例文件夹：
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
然后编译并运行 deviceQuery：
make ./deviceQuery
./deviceQuery
如果输出显示 GPU 设备的详细信息，说明安装成功。示例输出：
./deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GTX 1050"
CUDA Driver Version / Runtime Version 11.0 / 11.0
Total amount of global memory: 4041 MBytes (4235358208 bytes)
(6) Multiprocessors, (128) CUDA Cores/MP: 768 CUDA Cores
使用以下命令来验证 CUDA 是否安装成功：
nvcc --version
你应该看到类似以下的输出，显示 CUDA 版本信息：
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on Thu_May_25_19:08:35_PDT_2023
Cuda compilation tools, release 12.0, V12.0.194
cuDNN 是 NVIDIA 的深度学习加速库。如果你计划在 GPU 上运行深度学习框架（如 TensorFlow、PyTorch），建议安装 cuDNN。
从 NVIDIA 官网 cuDNN 下载页面 下载与你的 CUDA 版本匹配的 cuDNN。
下载的文件是 .tar 格式。解压后，将 cuDNN 文件复制到 CUDA 目录中：
tar -xzvf cudnn-<version>-linux-x64-v<version>.tgz
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
检查 cuDNN 版本：
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
如果输出了版本号，说明 cuDNN 安装成功。
PATH 和 LD_LIBRARY_PATH。nvcc 和示例代码来验证安装是否成功。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
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
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
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
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML转Markdown在线工具，online