第3章 CUDA环境搭建

第3章：CUDA环境搭建——从驱动到验证的全流程

说实话，环境搭建这件事，看着简单，但坑是真不少。我见过太多人卡在第一步——装完驱动发现CUDA Toolkit不认，或者明明装好了却跑不起来。今天我就把整套流程拆开揉碎了讲给你听。

3.1 NVIDIA驱动安装

这是最基础的一步。没有驱动，GPU就是个摆设。

怎么选驱动版本？

我个人习惯去NVIDIA官网下载。别用系统自带的驱动管理器，那个版本往往太老。你想想看，CUDA Toolkit每年都在更新，驱动跟不上会很麻烦。

关键点：驱动版本必须≥CUDA Toolkit要求的最低版本。比如CUDA 11.8要求驱动≥520.61.05。

安装步骤（以Ubuntu为例）：

先卸载旧驱动：sudo apt purge nvidia*
禁用nouveau开源驱动：编辑/etc/modprobe.d/blacklist-nouveau.conf
重启后运行：sudo sh NVIDIA-Linux-*.run
安装时选“不安装32位兼容库”（除非你需要）

⚠️ 我曾经踩过的坑：在笔记本上装驱动时，如果同时有集成显卡和独立显卡，一定要在BIOS里把显示模式设为“独显直连”，否则驱动会报错。

3.2 CUDA Toolkit安装

驱动装好了，接下来装CUDA Toolkit。这东西包含了编译器、库文件、调试工具等。

下载方式：

推荐用runfile方式安装，可控性最强
也可以用deb包，但版本选择受限

安装命令：

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run

安装时注意：不要勾选Driver（我们已经装过了），只选Toolkit和Samples。

💡 我的建议：安装路径保持默认的/usr/local/cuda-11.8，然后创建软链接/usr/local/cuda指向它。这样以后升级版本时，只需要改软链接就行。

3.3 cuDNN配置

cuDNN是NVIDIA专门为深度学习优化的库。说白了，就是让卷积、池化这些操作跑得更快。

安装步骤：

去NVIDIA官网下载cuDNN（需要注册账号）
解压后把文件复制到CUDA目录：

tar -xzvf cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xz
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include/
sudo cp cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

注意：cuDNN版本必须与CUDA版本匹配。比如CUDA 11.8对应cuDNN 8.6.x。版本不对的话，编译时会报一堆莫名其妙的错误。

3.4 环境变量设置

这一步很多人会忘。不设置环境变量，系统就找不到CUDA的命令和库。

编辑~/.bashrc，添加以下内容：

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

然后执行source ~/.bashrc使其生效。

💡 一个小技巧：如果你同时装了多个CUDA版本，可以在.bashrc里写个函数来切换：

function cuda_switch() {
    sudo rm -f /usr/local/cuda
    sudo ln -s /usr/local/cuda-$1 /usr/local/cuda
    echo "Switched to CUDA $1"
}

3.5 验证安装

装完了，怎么知道对不对？跑几个命令验证一下。

第一步：检查驱动

nvidia-smi

应该能看到GPU型号、驱动版本、显存使用情况。

第二步：检查CUDA Toolkit

nvcc --version

会显示CUDA版本号，比如Cuda compilation tools, release 11.8, V11.8.89。

第三步：编译并运行Samples

cd ~/NVIDIA_CUDA-11.8_Samples/1_Utilities/deviceQuery
make
./deviceQuery

如果输出Result = PASS，说明一切正常。

⚠️ 我曾经遇到的问题：明明装了CUDA，但nvcc命令找不到。后来发现是PATH变量没设置对。记住，/usr/local/cuda/bin必须在PATH的最前面，否则会被其他路径里的旧版本覆盖。

3.6 知识体系总览

下面这张图把整个环境搭建的流程串起来了，你可以对照着检查自己做到哪一步了。

3.7 常见问题排查

我整理了几个高频问题，你遇到了可以直接对照着查。

问题现象	可能原因	解决方法
nvidia-smi报错	驱动未正确安装	重新安装驱动，检查内核模块
nvcc命令找不到	PATH未设置	检查~/.bashrc中的PATH配置
编译Samples报错	cuDNN版本不匹配	下载对应版本的cuDNN
deviceQuery返回FAIL	权限问题或驱动冲突	检查/dev/nvidia*权限

最后说一句：环境搭建这东西，一次配好后面就省心了。我建议你把每一步的命令都记下来，下次重装系统时直接复制粘贴就行。嗯，今天就到这里，动手试试吧。

📚 课程目录