### 如何通过 APT 安装 CUDA、cuDNN 和 PyTorch #### 1. 安装 CUDA 为了通过 APT 安装 CUDA，需要配置 NVIDIA 的软件仓库并更新包管理器。以下是具体操作方法： - 添加 NVIDIA 软件源到系统的 APT 配置文件中： ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu$(lsb_release -sr | tr -d '.')/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update ``` - 使用 `apt` 命令安装所需的 CUDA 版本（例如 CUDA 11.7）： ```bash sudo apt-get install -y --no-install-recommends \ cuda-drivers \ cuda-toolkit-11-7 ``` 此命令会自动处理依赖关系，并完成驱动程序和工具包的安装[^3]。 --- #### 2. 安装 cuDNN cuDNN 是深度学习框架的重要库之一，可以通过下载预编译版本或者手动构建来实现集成。然而，如果希望利用 APT 进行简化部署，则可以按照如下方式执行： - 将 cuDNN 库作为附加组件添加至已有的 CUDA 工具链中： ```bash sudo apt-get install libcudnn8=8.*.*-*.ubuntu* \ libcudnn8-dev=8.*.*-*.ubuntu* ``` 上述命令中的版本号需替换为实际支持的目标版本号。注意保持与当前使用的 CUDA 版本兼容性[^2]。 --- #### 3. 安装 PyTorch 及其音频扩展 Torchaudio 对于基于 Conda 或者纯 Python 环境下的开发人员来说，推荐采用官方文档指导的方法快速获取最新稳定版 PyTorch；而对于偏好于 Debian 衍生发行版 (如 Ubuntu) 用户群体而言，也可以借助本地存储库机制达成目的。 - 设置 pip 加速以提高下载速度，在正式引入之前优化网络连接性能： ```bash mkdir ~/.pip/ echo "[global]" > ~/.pip/pip.conf echo "index-url = https://pypi.tuna.tsinghua.edu.cn/simple" >> ~/.pip/pip.conf ``` - 接着定义环境变量 PATH 来优先加载新加入路径里的可执行文件而非默认位置上的旧版本实例： ```bash export PATH=/usr/local/cuda/bin:$PATH source /etc/profile ``` - 最终一步便是调用 pip 实现自动化装配流程了： ```bash pip install torch torchvision torchaudio ffmpeg-python ``` 这里额外包含了多媒体处理相关的依赖项以便满足更广泛的应用场景需求[^1]。 --- ### 注意事项 确保硬件设备已经正确识别 GPU 并激活相应的显卡驱动之后再继续后续步骤。另外考虑到不同操作系统之间可能存在细微差异因此建议参照各自平台特定指南进一步调整参数设定。