### 解决方案概述 为了成功安装 CUDA 11.0 并解决 Conda 配置中的 HTTP 403 错误，需要调整 Conda 的渠道配置以使用可靠的镜像源。以下提供详细的解决方案。 --- ### 调整 Conda 渠道配置 #### 编辑 `.condarc` 文件 通过修改 `.condarc` 文件来指定新的镜像源地址。以下是推荐的配置内容[^5]： ```yaml channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/ ``` 此配置将默认通道替换为清华大学开源软件镜像站，从而避免因访问国外服务器而导致的 HTTP 403 错误。 #### 应用更改后的配置 保存文件后运行以下命令刷新缓存并应用新配置： ```bash conda clean --all conda config --show channels ``` --- ### 安装 CUDA Toolkit 11.0 #### 方法一：通过 Conda 安装 利用已配置好的镜像源，可以直接通过 Conda 命令安装 CUDA 工具包： ```bash conda install cudatoolkit=11.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/ ``` 这条命令会从清华镜像站获取对应版本的 `cudatoolkit` 包，并自动解析依赖关系[^3]。 #### 方法二：手动安装本地工具包 如果希望使用预先下载的 CUDA 工具包（如 `cuda_10.1.243_418.87.00_linux.run`），则需按照以下步骤操作： 1. **执行安装脚本** 在终端中运行以下命令启动安装向导： ```bash sudo bash cuda_11.0.243_418.87.00_linux.run --no-opengl-libs ``` 2. **选择组件** 在弹出的 UI 中取消勾选 NVIDIA 显卡驱动程序选项，保留其他项的选择状态。完成后点击 Install 开始安装过程[^4]。 3. **添加环境变量** 将 CUDA 的路径加入系统的环境变量中以便后续调用： ```bash echo 'export PATH=$PATH:/usr/local/cuda-11.0/bin' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.0/lib64' >> ~/.bashrc source ~/.bashrc ``` --- ### 验证安装结果 完成上述步骤后可通过以下指令验证 CUDA 是否正确安装以及其版本号是否匹配预期值： ```bash nvcc --version ``` 输出应包含类似如下信息表明安装成功： ``` Cuda compilation tools, release 11.0, V11.0.243 ``` 另外还可以测试 TensorFlow GPU 支持情况： ```python import tensorflow as tf print(tf.test.is_built_with_cuda()) # 输出 True 表明支持 CUDA print(tf.config.list_physical_devices('GPU')) # 列举可用的 GPU 设备数量 ``` --- ### 注意事项 - 确认操作系统架构与所选用的 CUDA 版本兼容； - 若仍遭遇网络连通性障碍，考虑更换至其他稳定国内镜像站点如中国科学技术大学或阿里云等； - 对于特定需求场景可能还需要额外安装 cuDNN 库，请参照官方文档指导完成相应部署工作。 ---