第三章：CUDA环境搭建——驱动安装、CUDA Toolkit配置、cuDNN库安装、环境变量设置

好，咱们直接进入正题。

量化交易的风控系统，说白了就是跟时间赛跑。你想想看，行情数据每秒几万笔，GPU要是没配好，再牛的算法也白搭。我见过太多团队，代码写得漂漂亮亮，结果环境没搭对，一跑就崩。嗯，今天咱们就把CUDA环境这块彻底捋清楚。

3.1 驱动安装：GPU的“操作系统”

驱动是GPU的底层驱动，没有它，CUDA根本跑不起来。我个人习惯是，先装驱动，再装CUDA Toolkit。顺序别搞反了，否则容易出幺蛾子。

安装步骤其实很简单：

1. 确认GPU型号：用 nvidia-smi 命令查看。如果没有输出，说明驱动没装或者GPU没识别。
2. 下载驱动：去NVIDIA官网，根据你的GPU型号和操作系统选择对应驱动。我建议选“生产分支”的驱动，稳定第一。
3. 安装驱动：Linux下用 sudo sh NVIDIA-Linux-*.run，Windows下直接双击exe。注意，安装时选择“清洁安装”，避免旧驱动残留。

3.2 CUDA Toolkit配置：核心计算库

驱动装好了，接下来就是CUDA Toolkit。它包含了编译器、运行时库、开发工具等。说白了，你的GPU代码能不能编译、能不能跑，全靠它。

我个人习惯用 runfile 方式安装，因为可以自定义安装路径。但如果你嫌麻烦，用 deb 包也行。

# 下载CUDA Toolkit 11.8（举例）
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run

# 运行安装
sudo sh cuda_11.8.0_520.61.05_linux.run

# 安装时，取消勾选“Driver”，因为我们已经装过了
# 选择安装路径，我一般放在 /usr/local/cuda-11.8

3.3 cuDNN库安装：深度学习加速器

cuDNN是NVIDIA专门为深度学习优化的库。量化交易里，如果你用到了LSTM、Transformer这些模型，cuDNN能帮你把训练速度提升好几倍。

安装cuDNN其实很简单，但有个坑：需要注册NVIDIA开发者账号。我记得第一次装的时候，找了半天下载链接，结果发现要登录才能下。

# 下载cuDNN（需要登录NVIDIA官网）
# 选择与CUDA 11.8匹配的版本，比如 cuDNN v8.9.0 for CUDA 11.x

# 解压
tar -xzvf cudnn-linux-x86_64-8.9.0.131_cuda11-archive.tar.xz

# 复制文件到CUDA目录
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include
sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64

# 设置权限
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

3.4 环境变量设置：让系统找到CUDA

环境变量是连接系统和CUDA的桥梁。你不设置，系统就不知道CUDA装在哪。说白了，就是告诉系统：“嘿，CUDA在这里，你去找它。”

我个人习惯把环境变量写在 ~/.bashrc 或 ~/.zshrc 里，这样每次打开终端都能自动加载。

# 编辑 ~/.bashrc
vim ~/.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

# 保存退出后，执行
source ~/.bashrc

3.5 知识体系总览

下面这张图，是我自己总结的CUDA环境搭建流程。你跟着走，基本不会出错。

3.6 验证环境是否搭建成功

所有步骤都做完了，怎么知道环境是不是真的搭好了？我一般会写一个简单的测试程序。

// test_cuda.cu
#include <stdio.h>

__global__ void hello_from_gpu() {
    printf("Hello from GPU!\n");
}

int main() {
    hello_from_gpu<<<1, 10>>>();
    cudaDeviceSynchronize();
    printf("CUDA environment is ready!\n");
    return 0;
}

# 编译
nvcc test_cuda.cu -o test_cuda

# 运行
./test_cuda

如果输出能看到 "Hello from GPU!" 和 "CUDA environment is ready!"，那就恭喜你，环境搭建成功了。