• • 操作系统：Ubuntu 22.04.3 LTS 或更高版本
• • GPU：NVIDIA GPU（支持 CUDA）
• • 驱动：至少需要 550.54.14 版本的 NVIDIA 驱动
• • 存储空间：约 5 GB 可用空间
• • CUDA和GPU驱动版本：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#id8
• • CUDA Releases 以往版本
  https://developer.nvidia.com/cuda-toolkit-archive

2. 安装前的准备

# 更新系统
sudo apt update && sudo apt upgrade -y

# 安装编译工具
sudo apt install build-essential gcc make -y

# 安装必要的库
sudo apt install linux-headers-$(uname -r) -y

3. 安装 NVIDIA 驱动

方法一：通过官方 PPA 安装（推荐）

# 添加 NVIDIA 官方 PPA
sudo add-apt-repository ppa:graphics-drivers/ppa -y
sudo apt update

# 安装驱动（CUDA 12.8 需要 550.x 驱动）
sudo apt install nvidia-driver-550 -y

# 或安装最新的驱动
# sudo apt install nvidia-driver-550-open -y

方法二：从 .run 文件安装（包含在 CUDA 安装中）

4. 下载 CUDA 12.8 安装包

# 方法一：使用 wget 下载
wget wget https://developer.download.nvidia.com/compute/cuda/12.8.0/local_installers/cuda_12.8.0_570.86.10_linux.run

# 方法二：通过命令行下载（自动选择合适版本）
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin
sudomv cuda-ubuntu2204.pin /etc/apt/preferences.d/cuda-repository-pin-600

5. 安装 CUDA 12.8

方法一：使用 .run 文件安装（灵活控制）

# 赋予执行权限
chmod +x cuda_12.8.0_570.86.10_linux.run

# 运行安装程序
sudo ./cuda_12.8.0_570.86.10_linux.run

安装选项说明：

1. 1. 按 q 跳过协议阅读
2. 2. 输入 accept 接受协议
3. 3. 选择安装组件：
• • 如果已安装驱动，取消勾选 Driver
• • 保持 CUDA Toolkit 12.8 勾选
4. 4. 安装路径保持默认：/usr/local/cuda-12.8
5. 5. 不创建符号链接（后续手动配置）

方法二：通过 apt 仓库安装（更易管理）

# 添加 CUDA 仓库
sudo apt-key del 7fa2af80
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt update

# 安装 CUDA 12.8
sudo apt install cuda-12-8 -y

6. 配置环境变量

编辑 ~/.bashrc：

nano ~/.bashrc

添加以下内容：

# CUDA 配置
export PATH=/usr/local/cuda-12.8/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda-12.8

# 或者使用符号链接（可选）
# export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
# export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

使配置生效：

source ~/.bashrc

如果需要为所有用户配置：

# 创建配置文件
sudotee /etc/profile.d/cuda.sh > /dev/null << 'EOF'
export PATH=/usr/local/cuda-12.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.8/lib64:$LD_LIBRARY_PATH
EOF

# 重新登录或重启

7. 创建符号链接（可选）

# 创建指向当前版本的符号链接
sudoln -sf /usr/local/cuda-12.8 /usr/local/cuda

8. 验证安装

# 检查 CUDA 编译器
nvcc --version
# 应该显示：Cuda compilation tools, release 12.8, V12.8.xxx

# 检查 GPU 状态
nvidia-smi
# 应该显示 CUDA Version: 12.8

# 验证设备
/usr/local/cuda-12.8/extras/demo_suite/deviceQuery

9. 安装 cuDNN（深度学习加速库）

# 从 NVIDIA 官网下载 cuDNN（需要注册）
# 下载地址：https://developer.nvidia.com/cudnn

# 下载后安装
tar -xvf cudnn-linux-x86_64-8.9.x.x_cuda12-archive.tar.xz
sudocp cudnn-*-archive/include/cudnn*.h /usr/local/cuda-12.8/include
sudocp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda-12.8/lib64
sudochmod a+r /usr/local/cuda-12.8/include/cudnn*.h /usr/local/cuda-12.8/lib64/libcudnn*

# 验证 cuDNN
cat /usr/local/cuda-12.8/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

10. 故障排除

问题1：驱动冲突

# 移除旧驱动
sudo apt purge nvidia-* cuda-*
sudo apt autoremove -y

# 重新安装
sudo ubuntu-drivers autoinstall
sudo apt install nvidia-driver-550

问题2：内核模块未加载

# 查看驱动状态
lsmod | grep nvidia

# 如果未加载，尝试
sudo modprobe nvidia

问题3：Secure Boot 阻止安装

# 禁用 Secure Boot
sudo mokutil --disable-validation
# 重启后按提示操作

问题4：Nouveau 冲突

# 检查是否加载了 Nouveau
lsmod | grep nouveau

# 如果存在，创建黑名单
sudotee /etc/modprobe.d/blacklist-nouveau.conf > /dev/null << 'EOF'
blacklist nouveau
options nouveau modeset=0
EOF

sudo update-initramfs -u
sudo reboot

11. 卸载 CUDA

# 如果通过 .run 文件安装
sudo /usr/local/cuda-12.8/bin/cuda-uninstaller

# 如果通过 apt 安装
sudo apt purge cuda-* nvidia-*
sudo apt autoremove -y

12. 常用命令

# 查看 GPU 状态
nvidia-smi
nvidia-smi -q

# 查看 CUDA 版本
nvcc --version
cat /usr/local/cuda/version.txt

# 监控 GPU
nvidia-smi -l 1  # 每秒更新一次
watch -n 1 nvidia-smi

注意事项

1. 1. 推荐使用 apt 方式安装，便于后续管理和更新
2. 2. 安装前备份重要数据
3. 3. 如果已安装其他 CUDA 版本，注意环境变量配置
4. 4. 深度学习框架（如 PyTorch、TensorFlow）需要对应版本的 CUDA
5. 5. 定期检查更新：sudo apt update && sudo apt upgrade

安装完成后，可以通过运行深度学习框架的测试代码来验证安装完整性。