ubuntu20.04配置GPU
时间: 2025-05-14 15:02:47 浏览: 26
### 如何在 Ubuntu 20.04 上设置和配置 GPU 支持
#### 安装 NVIDIA 驱动程序
为了使 GPU 能够被操作系统识别并支持 CUDA 和 cuDNN 的功能,首先需要安装适合的 NVIDIA 显卡驱动程序。可以通过以下命令来更新系统的包列表并安装推荐的驱动程序:
```bash
sudo apt update && sudo apt upgrade -y
sudo ubuntu-drivers autoinstall
```
完成上述操作后重启计算机以加载新的显卡驱动[^1]。
#### 安装 CUDA 工具包
CUDA 是由 NVIDIA 提供的一套开发工具集,用于编写能够在 GPU 上执行的应用程序代码。对于 PyTorch 或 TensorFlow 这样的框架来说,它们依赖于特定版本的 CUDA 来实现加速计算的功能。以下是安装 CUDA 的基本步骤:
1. 添加官方 PPA (Personal Package Archive) 并安装指定版本的 CUDA:
```bash
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.0-1_all.deb
sudo dpkg -i cuda-keyring_1.0-1_all.deb
sudo apt-get update
sudo apt-get install -y cuda
```
2. 设置环境变量以便系统能找到 CUDA 库路径,在 `~/.bashrc` 文件中加入如下内容:
```bash
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
```
3. 让更改生效并通过 source 命令重新读取 .bashrc 文件或者直接注销再登录一次即可应用这些修改后的环境变量设定值[^2]。
#### 安装 cuDNN
cuDNN 是一种针对深度神经网络优化过的高性能库集合体;它是许多机器学习框架所必需的一部分组件之一。可以从 NVIDIA 开发者网站获取对应自己已安装好的那个具体编号级别的完整版压缩文件形式分发包下载链接地址之后解压到默认位置即 /usr/local/cuda/ 下面去覆盖掉原来自带的基础部分就可以了[^3]。
#### 使用 Docker 加强隔离性和可移植性
如果希望进一步简化管理流程,则可以考虑利用容器化技术比如 Docker 来构建独立的工作空间。这样做的好处在于无论是在本地还是云端服务器上面都可以保持一致性的运行条件而无需担心不同主机之间可能存在的差异情况影响最终效果表现出来的好坏程度等方面因素制约我们正常使用某些高级特性的时候遇到麻烦事端发生概率大大降低很多倍数以上不等具体情况视实际需求而定而已罢了[^4]。
```python
import torch
print(torch.cuda.is_available()) # 测试是否成功启用GPU支持
```
阅读全文
相关推荐


















