Ubuntu深度学习环境搭建：CUDA与cuDNN配置指南

1. 深度学习环境搭建的必要性

在Ubuntu系统上搭建CUDA和cuDNN环境，是每个深度学习开发者的必经之路。我见过太多新手在这个环节栽跟头，浪费数天时间反复折腾。其实只要掌握正确的方法，整个过程可以在一小时内搞定。

GPU加速对于现代深度学习的重要性不言而喻。以常见的ResNet50模型为例，在RTX 3090上使用CUDA加速的训练速度比纯CPU快50倍以上。而cuDNN的优化算法又能在此基础上提升2-3倍的性能。这就是为什么我们需要认真对待环境配置这件事。

2. 环境预检与准备工作

2.1 硬件兼容性检查

首先确认你的显卡是否支持CUDA。在终端执行：

bash复制lspci | grep -i nvidia

如果能看到你的NVIDIA显卡型号（如RTX 3060、A100等），说明硬件支持。注意：AMD显卡无法使用CUDA。

2.2 系统版本选择

我强烈推荐Ubuntu 22.04 LTS，原因有三：

1. 长期支持版本，稳定性有保障
2. 对NVIDIA驱动和CUDA的兼容性最好
3. 社区支持完善，遇到问题容易找到解决方案

更新系统并安装基础工具链：

bash复制sudo apt update && sudo apt upgrade -y
sudo apt install -y gcc g++ make build-essential

3. NVIDIA显卡驱动安装

3.1 驱动版本选择

查看推荐的驱动版本：

bash复制ubuntu-drivers devices

选择标记为"recommended"的版本安装。例如：

bash复制sudo apt install -y nvidia-driver-535

注意：驱动版本会影响可安装的CUDA版本上限，建议选择较新的驱动以获得更好的兼容性。

3.2 驱动验证

安装完成后必须重启系统：

bash复制sudo reboot

验证驱动是否正常工作：

bash复制nvidia-smi

正常输出应包含GPU型号、驱动版本和CUDA版本信息。如果报错，可能是Secure Boot未禁用，需要在BIOS中关闭。

4. CUDA工具包安装

4.1