### 在 Ubuntu 上通过 Docker 镜像安装配置 CUDA 和 cuDNN 在 Ubuntu 系统中，使用 Docker 容器可以方便地安装和配置 CUDA 和 cuDNN。以下是详细的说明和操作方法： #### 1. 安装 Docker 首先需要确保 Docker 已经正确安装并启动。如果尚未安装，请参考官方文档完成安装[^1]。 ```bash sudo apt-get update sudo apt-get install -y docker.io sudo systemctl start docker sudo systemctl enable docker ``` #### 2. 拉取 NVIDIA CUDA 镜像 根据需求选择合适的 CUDA 版本镜像。例如，拉取 `nvidia/cuda:10.1-cudnn8-devel-ubuntu18.04` 镜像[^1]。 ```bash docker pull nvidia/cuda:10.1-cudnn8-devel-ubuntu18.04 ``` 如果需要更高版本的 CUDA，例如 CUDA 11.2，则可以选择以下镜像[^3]： ```bash docker pull nvidia/cuda:11.2.2-cudnn8-devel-ubuntu20.04 ``` #### 3. 启动容器 启动一个基于所选镜像的容器，并分配所有 GPU 资源[^3]。 ```bash sudo docker run -d --name mllab --gpus all nvidia/cuda:11.2.2-cudnn8-devel-ubuntu20.04 /bin/bash ``` 进入容器： ```bash sudo docker exec -it mllab bash ``` #### 4. 验证 CUDA 和 cuDNN 安装 在容器内验证 CUDA 和 cuDNN 是否正确安装。 - 查看 CUDA 版本信息： ```bash nvidia-smi nvcc -V ``` - 查找 cuDNN 文件路径并查看版本信息： ```bash sudo find / -name cudnn_version.h cat /usr/include/cudnn_version.h ``` 上述命令将返回 cuDNN 的版本号，例如 `CUDNN_MAJOR=8 CUDNN_MINOR=1 CUDNN_PATCHLEVEL=0` 表示 cuDNN 8.1[^3]。 #### 5. 配置国内源（可选） 如果需要加速软件包下载速度，可以配置国内源[^3]。例如，阿里云或清华大学的镜像源： ```bash echo "deb [trusted=yes] https://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse" | sudo tee /etc/apt/sources.list sudo apt-get update ``` #### 6. 运行容器时绑定端口（可选） 如果需要在容器内运行服务并暴露端口，可以使用 `-p` 参数绑定端口[^4]。例如： ```bash sudo docker run -d -it --runtime=nvidia -p 8080:9000 nvidia/cuda:11.2.2-cudnn8-devel-ubuntu20.04 /bin/bash ``` 上述命令将宿主机的 8080 端口映射到容器内的 9000 端口。 --- ### 示例代码：验证 CUDA 和 cuDNN 在容器内运行以下 Python 脚本以验证 CUDA 和 cuDNN 支持： ```python import torch print("CUDA Available:", torch.cuda.is_available()) print("CUDA Version:", torch.version.cuda) print("cuDNN Enabled:", torch.backends.cudnn.enabled) print("cuDNN Version:", torch.backends.cudnn.version()) ``` ---