1. 环境准备从零开始的Ubuntu系统检查刚拿到一台全新的Ubuntu 22.04/24.04机器时千万别急着安装驱动和软件。我见过太多新手因为跳过系统检查步骤导致后续出现各种玄学问题。先花5分钟做这几个基础检查能帮你避开80%的坑。首先确认系统版本这个命令我每次都会先跑一遍lsb_release -a如果是云服务器可能会显示Ubuntu 22.04 LTS这样的信息。特别注意22.04和24.04的软件源可能有差异后面安装命令要对应调整。接下来检查显卡型号这是最容易翻车的地方lspci | grep -i nvidia如果没有任何输出先别慌。可能是没安装PCI工具试试sudo apt update sudo apt install pciutils -y我遇到过有些云服务商的GPU实例需要额外加载内核模块这时候需要sudo modprobe nvidia最关键的来了——检查现有驱动状态ubuntu-drivers devices这个命令会列出所有可选的NVIDIA驱动版本。注意看推荐版本recommended字样比如nvidia-driver-535。如果这里显示no drivers available可能是你的apt源有问题需要先更新sudo add-apt-repository ppa:graphics-drivers/ppa -y sudo apt update提示如果是在公司内网环境可能会遇到apt源无法访问的情况。建议先配置好代理或者使用国内镜像源比如阿里云的ubuntu镜像源。最后检查下系统架构避免装错包uname -mx86_64表示64位系统arm64则是ARM架构比如某些云服务器的鲲鹏实例。这个信息在后面下载CUDA时非常关键。2. 显卡驱动安装避坑指南驱动安装是环境搭建的第一道坎我见过至少三种翻车姿势版本冲突、Secure Boot阻拦、内核头文件缺失。下面这个经过实战检验的安装流程能帮你完美避开这些坑。首先卸载可能存在的旧驱动干净的环境可以跳过sudo apt purge *nvidia* *cuda* *cudnn* -y sudo apt autoremove -y安装编译工具和内核头文件关键步骤sudo apt install build-essential gcc-multilib dkms linux-headers-$(uname -r) -y现在可以安装驱动了推荐用apt安装比.run文件更省心sudo apt install nvidia-driver-535 nvidia-dkms-535 -y安装完成后一定要重启sudo reboot重启后验证驱动状态nvidia-smi正常的话会看到漂亮的显卡信息表格。如果报错command not found说明驱动没装上如果显示NVIDIA-SMI has failed可能是Secure Boot没禁用。注意部分品牌机的BIOS默认开启Secure Boot会导致第三方驱动加载失败。进入BIOS关闭Secure Boot后需要重新签名驱动模块sudo mokutil --disable-validation驱动装好后建议锁定版本避免意外升级sudo apt-mark hold nvidia-driver-5353. CUDA Toolkit安装版本选择的艺术2024年PyTorch 2.x官方推荐CUDA 12.x但实际选择要考虑三个因素驱动版本兼容性、PyTorch版本支持、cuDNN匹配度。根据我的实测经验给出这个版本搭配建议PyTorch版本推荐CUDA最低驱动版本cuDNN要求2.2.x12.1530.30.028.9.42.1.x11.8450.80.028.7.02.0.x11.7450.80.028.5.0安装CUDA 12.1的完整命令wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin sudo mv cuda-ubuntu2204.pin /etc/apt/preferences.d/cuda-repository-pin-600 sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/3bf863cc.pub sudo add-apt-repository deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/ / sudo apt update sudo apt install cuda-12-1 -y安装后配置环境变量建议加到~/.bashrc末尾export PATH/usr/local/cuda-12.1/bin${PATH::${PATH}} export LD_LIBRARY_PATH/usr/local/cuda-12.1/lib64${LD_LIBRARY_PATH::${LD_LIBRARY_PATH}} export CUDA_HOME/usr/local/cuda-12.1使配置立即生效source ~/.bashrc验证安装nvcc --version应该显示release 12.1之类的信息。如果报错可能是PATH没配置正确。4. cuDNN安装加速库的精准匹配cuDNN版本必须严格匹配CUDA版本我整理了这个对照表CUDA版本推荐cuDNN下载文件名示例12.x8.9.xcudnn-linux-x86_64-8.9.x.x_cudaX-Y-archive.tar.xz11.88.7.xcudnn-linux-x86_64-8.7.x.x_cudaX-Y-archive.tar.xz安装步骤以CUDA 12.1 cuDNN 8.9.4为例tar -xvf cudnn-linux-x86_64-8.9.4.25_cuda12-archive.tar.xz sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda-12.1/include sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda-12.1/lib64 sudo chmod ar /usr/local/cuda-12.1/include/cudnn*.h /usr/local/cuda-12.1/lib64/libcudnn*验证cuDNNcat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2应该能看到类似#define CUDNN_MAJOR 8的版本信息。5. Conda环境配置Python环境的隔离艺术我强烈建议为PyTorch创建独立环境避免包冲突。Miniconda比Anaconda更轻量推荐使用下载安装Minicondawget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh -b -p $HOME/miniconda初始化conda~/miniconda/bin/conda init bash exec bash创建PyTorch专用环境Python 3.10是个稳定选择conda create -n pytorch python3.10 -y conda activate pytorch配置国内镜像加速可选但推荐conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urls yes6. PyTorch安装官方命令的隐藏细节到PyTorch官网获取安装命令时注意这些细节选择Linux → Conda → CUDA 12.1复制命令时要完整包括-c pytorch参数实际安装命令示例conda install pytorch torchvision torchaudio pytorch-cuda12.1 -c pytorch -c nvidia安装后验证GPU支持import torch print(torch.__version__) # 应该显示2.x.xcu121 print(torch.cuda.is_available()) # 应该返回True print(torch.cuda.get_device_name(0)) # 显示你的显卡型号如果cuda.is_available()返回False按这个顺序排查检查驱动nvidia-smi是否正常检查CUDA版本nvcc --version与PyTorch是否匹配检查conda环境是否激活了正确的环境7. 环境加固与优化装好基础环境后我通常会做这些优化设置Jupyter Lab内核pip install jupyterlab python -m ipykernel install --user --name pytorch --display-name PyTorch (CUDA 12.1)安装常用扩展库conda install -c conda-forge matplotlib scipy pandas scikit-learn jupyterlab-nvdashboard pip install tensorboard配置CUDA缓存路径避免/tmp空间不足export CUDA_CACHE_PATH$HOME/.nv/ComputeCache mkdir -p $CUDA_CACHE_PATH测试实际计算性能import torch x torch.randn(10000, 10000).cuda() y torch.randn(10000, 10000).cuda() %timeit z x y # 应该看到毫秒级耗时8. 常见问题解决方案Q1: 安装驱动后黑屏/循环登录怎么办A: 通常是驱动版本与内核不兼容。尝试进入恢复模式卸载驱动sudo apt purge *nvidia* sudo reboot安装低版本驱动如470sudo apt install nvidia-driver-470Q2: Conda安装PyTorch速度慢A: 改用pip安装需先安装pippip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121Q3: 运行时报错CUDA out of memoryA: 可能是其他进程占用了显存查看占用情况nvidia-smi终止占用进程kill -9 [PID]Q4: 多GPU环境下如何指定设备A: 在代码中明确指定import os os.environ[CUDA_VISIBLE_DEVICES] 0,1 # 只使用前两块GPU这套配置方案在AWS g5.2xlarge、阿里云GN6V实例上都经过实测从驱动安装到PyTorch验证完整流程通常在30分钟内可以完成。如果遇到特殊问题建议查看/var/log/nvidia-installer.log中的详细安装日志。