Ubuntu PyTorch与CUDA兼容性

Ubuntu PyTorch与CUDA兼容性指南
在Ubuntu系统中，PyTorch与CUDA的兼容性是实现GPU加速的关键。要确保两者协同工作，需重点关注PyTorch版本与CUDA Toolkit版本的匹配、Ubuntu系统版本的选择、显卡驱动的兼容性及安装流程的规范性。

一、PyTorch与CUDA版本对应关系

PyTorch的不同版本对CUDA Toolkit的支持范围有明确要求，选择时需遵循“PyTorch版本≥CUDA版本”的原则（低版本PyTorch不支持高版本CUDA）。以下是常见PyTorch版本与CUDA的对应关系（截至2025年10月）：

• PyTorch 2.0及以上：支持CUDA 11.8、12.1、12.2（推荐使用CUDA 12.x以获得最佳性能）；
• PyTorch 1.13及以上：支持CUDA 11.6、11.7、11.8、12.1；
• PyTorch 1.12及以下：支持CUDA 10.2、11.0、11.1、11.2、11.3、11.4、11.5（如PyTorch 1.10.x支持CUDA 11.1-11.4，PyTorch 1.7.x支持CUDA 11.0/11.1）。
  具体版本对应关系可通过PyTorch官方网站的“Previous PyTorch Versions”页面查询，确保所选版本匹配。

二、Ubuntu系统版本选择

Ubuntu的LTS（长期支持）版本对PyTorch和CUDA的支持更稳定，推荐优先选择：

• Ubuntu 22.04 LTS (Jammy Jellyfish)：默认软件包较新（如Python 3.10、GCC 11），支持CUDA 12.x及PyTorch 2.0+，适合新硬件（如RTX 40系列显卡）和前沿研究；
• Ubuntu 20.04 LTS (Focal Fossa)：社区资源丰富，CUDA 11.x及以下版本支持成熟，适合工业级部署或依赖旧版框架（如TensorFlow 1.x）的场景。
  非LTS版本（如23.10）更新频繁、支持周期短（仅9个月），易导致依赖断裂，不建议用于生产环境。

三、显卡驱动兼容性要求

NVIDIA显卡驱动是连接PyTorch与GPU的桥梁，需满足以下条件：

• 驱动版本≥CUDA Toolkit版本要求：例如，CUDA 12.2要求显卡驱动版本≥550.54.14（可通过nvidia-smi查看当前驱动版本）；
• 安装方式：推荐通过Ubuntu官方apt仓库安装（sudo apt install nvidia-driver-555），避免手动下载.run文件（易导致驱动冲突）；
• 验证驱动：安装后运行nvidia-smi，若显示GPU型号、驱动版本及CUDA版本（如“CUDA Version: 12.2”），则说明驱动安装成功。

四、安装流程与验证

1. 安装CUDA Toolkit

• 通过Ubuntu apt仓库安装（以CUDA 12.2为例）：

  sudo add-apt-repository ppa:graphics-drivers/ppa
  sudo apt update
  sudo apt install cuda-12-2
  

• 安装完成后，通过nvcc --version验证CUDA Toolkit版本。

2. 安装cuDNN库

cuDNN是CUDA的深度学习加速库，需下载与CUDA版本匹配的cuDNN（如CUDA 12.2对应cuDNN 8.9+）。下载后解压并复制文件至CUDA目录：

tar -xzvf cudnn-12.2-linux-x64-v8.9.7.29.tgz
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

并添加环境变量至~/.bashrc：

echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

3. 安装PyTorch GPU版本

通过PyTorch官方命令安装（以CUDA 12.2为例）：

• pip安装：

  pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu122
  

• conda安装（推荐，简化环境配置）：

  conda install pytorch torchvision torchaudio pytorch-cuda=12.2 -c pytorch -c nvidia
  

4. 验证安装

运行以下Python代码，若输出True则表示PyTorch已成功配置为使用GPU：

import torch
print(torch.cuda.is_available())  # 检查CUDA是否可用
print(torch.cuda.get_device_name(0))  # 显示GPU型号

五、常见问题解决

• 驱动失效：若安装CUDA后出现驱动错误，需卸载旧驱动（sudo apt purge nvidia-*）并重新安装；
• gcc版本不匹配：CUDA 12.x要求gcc版本≥10，可通过sudo apt install gcc-10 g++-10安装并设置默认版本；
• 安全启动问题：双系统环境下，需进入BIOS关闭安全启动（Secure Boot），否则会导致NVIDIA驱动安装失败。