### 安装 CUDA 12.1 和 PyTorch 2.1.1 #### 准备工作 为了确保顺利安装 CUDA 12.1 及其配套工具，在开始之前需确认 Ubuntu 系统已更新至最新状态并重启计算机。 ```bash sudo apt update && sudo apt upgrade -y sudo reboot now ``` #### 添加 NVIDIA 软件源 通过添加官方软件源可以更方便地获取最新的驱动程序和其他组件： ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb ``` 这一步骤使得后续可以直接利用 APT 工具管理 CUDA 的安装与升级[^1]。 #### 安装 CUDA Toolkit 12.1 接下来执行命令完成 CUDA toolkit 的安装过程，期间可能会提示输入 Y/N 来继续操作，默认选项通常是安全的选择： ```bash sudo apt-get install -y cuda-12-1 ``` 安装完成后建议重新启动机器使更改生效，并设置环境变量以便于命令行调用 nvcc 编译器等工具： ```bash echo 'export PATH=/usr/local/cuda-12.1/bin${PATH:+:${PATH}}' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc source ~/.bashrc ``` 验证安装是否成功可以通过运行 `nvcc --version` 查看编译器版本号来判断[^2]。 #### 配置 cuDNN 加速库 由于 cuDNN 是闭源产品，因此需要前往[NVIDIA 开发者网站](https://developer.nvidia.com/rdp/cudnn-archive)注册账号后下载对应版本文件。对于 CUDA 12.1 推荐使用 cuDNN v8.x 版本。下载完毕解压到 `/usr/local/cuda-12.1` 下覆盖默认路径中的内容即可[^3]。 #### 测试 PyTorch 2.1.1 安装情况 最后按照官方文档说明安装 PyTorch GPU 版本用于检验整个流程的效果： ```bash pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu121 ``` 以上步骤结束后可以在 Python 解释器内导入模块并通过简单代码片段测试是否有错误发生以及能否正常使用GPU资源： ```python import torch print(torch.cuda.is_available()) print(torch.__version__) ``` 如果一切正常，则表示已经成功完成了目标设定的任务。