1. 深度学习环境搭建前的准备工作

刚接触深度学习的朋友们，第一次在Ubuntu上配置GPU环境时总会遇到各种"坑"。我当年第一次安装NVIDIA驱动时，就经历了循环登录、黑屏、驱动冲突等一系列问题，反复重装了不下五次系统。现在回想起来，如果能提前了解这些注意事项，至少能节省80%的折腾时间。

首先需要确认你的硬件配置。打开终端输入lspci | grep -i nvidia，这个命令会列出你显卡的型号信息。我遇到过不少朋友拿着集显笔记本想跑深度学习，结果发现根本不支持CUDA加速。目前主流的NVIDIA显卡从GTX 1060到最新的RTX 4090都支持CUDA，但笔记本的移动版显卡需要注意驱动兼容性问题。

提示：如果你是在云服务器上操作，大多数云服务商已经预装了基础驱动，建议先联系服务商确认是否需要自行安装驱动。

在开始安装前，强烈建议先更新系统。我习惯先执行以下命令：

sudo apt update && sudo apt upgrade -y
sudo apt install build-essential gcc make perl dkms -y

这些基础工具包后续安装驱动时会用到，特别是dkms（动态内核模块支持）非常重要，它能确保内核升级后驱动自动重新编译。

2. 彻底解决NVIDIA驱动安装问题

2.1 禁用系统默认的nouveau驱动

这是最容易出问题的环节。Ubuntu默认使用开源的nouveau驱动来支持NVIDIA显卡，但在安装官方驱动前必须禁用它。我见过太多因为这一步没做好导致安装后黑屏的案例。

具体操作步骤：

sudo gedit /etc/modprobe.d/blacklist.conf

在文件末尾添加：

blacklist nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off

保存后执行：

sudo update-initramfs -u

重启后用lsmod | grep nouveau检查，如果没有输出说明禁用成功。这里有个小技巧：如果更新失败，可以尝试在blacklist.conf中添加更多禁用选项，就像上面示例中的alias语句。

2.2 选择合适的驱动版本

驱动版本选择不当会导致各种奇怪问题。我推荐三种确定合适版本的方法：

1. 使用官方检测工具：

ubuntu-drivers devices

这个命令会列出推荐的驱动版本。

2. 到NVIDIA官网查询你的显卡型号对应的最新驱动。

3. 根据你要安装的CUDA版本选择驱动。比如CUDA 11.x通常需要驱动版本>=450.80.02。

安装驱动时，我强烈建议使用apt方式而不是.run文件：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
sudo apt install nvidia-driver-510 # 以510版本为例

这种方式会自动处理依赖关系，比手动安装.run文件稳定得多。

3. CUDA工具包的安装与配置

3.1 多版本CUDA共存方案

深度学习框架对CUDA版本的要求各不相同，我建议安装多个CUDA版本并通过软链接切换。首先从NVIDIA官网下载对应版本的runfile安装包，例如CUDA 11.4：

wget https://developer.download.nvidia.com/compute/cuda/11.4.0/local_installers/cuda_11.4.0_470.42.01_linux.run
sudo sh cuda_11.4.0_470.42.01_linux.run

安装时注意：

• 不要勾选Driver选项（除非你要更新驱动）
• 建议自定义安装路径到/usr/local/cuda-11.4

安装完成后，配置环境变量：

export PATH=/usr/local/cuda-11.4/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64:$LD_LIBRARY_PATH

我习惯把这些配置写在~/.bashrc的单独区块里，方便管理多个版本：

# CUDA 11.4
# export PATH=/usr/local/cuda-11.4/bin:$PATH
# export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64:$LD_LIBRARY_PATH

# CUDA 10.2
export PATH=/usr/local/cuda-10.2/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64:$LD_LIBRARY_PATH

需要切换版本时，只需注释掉当前版本，取消注释目标版本即可。

3.2 验证CUDA安装

安装完成后，我建议运行官方测试用例：

cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

如果看到"Result = PASS"，说明安装成功。常见问题包括：

• 提示找不到nvcc：检查PATH环境变量是否正确
• 报错关于libcudart.so：检查LD_LIBRARY_PATH是否包含CUDA的lib64路径
• 测试程序无法编译：检查gcc版本是否兼容

4. cuDNN的安装与验证

4.1 正确安装cuDNN

cuDNN是深度学习中最重要的加速库之一，但它的安装方式经常让人困惑。我推荐使用.deb包安装，这是最不容易出错的方式：

首先从NVIDIA开发者网站下载对应CUDA版本的cuDNN，例如CUDA 11.4对应的cuDNN 8.2：

sudo dpkg -i libcudnn8_8.2.2.26-1+cuda11.4_amd64.deb
sudo dpkg -i libcudnn8-dev_8.2.2.26-1+cuda11.4_amd64.deb
sudo dpkg -i libcudnn8-samples_8.2.2.26-1+cuda11.4_amd64.deb

4.2 验证cuDNN功能

NVIDIA提供了测试样例，我们可以通过编译运行来验证：

cp -r /usr/src/cudnn_samples_v8 ~/
cd ~/cudnn_samples_v8/mnistCUDNN
make clean && make
./mnistCUDNN

如果看到"Test passed!"，说明安装成功。常见错误及解决方法：

• 缺少FreeImage.h：执行sudo apt install libfreeimage3 libfreeimage-dev
• 编译错误：检查CUDA和cuDNN版本是否匹配
• 运行时错误：检查LD_LIBRARY_PATH是否包含cuDNN库路径

5. 常见问题排查与解决方案

5.1 循环登录问题

这是我被问最多的问题之一。症状是输入密码登录后，又跳回登录界面。解决方法：

1. 进入tty终端（Ctrl+Alt+F2）
2. 卸载当前驱动：

sudo apt purge nvidia*
sudo reboot

3. 重新安装时加上关键参数：

sudo ./NVIDIA-Linux-x86_64-xxx.xx.run --no-opengl-files

这个--no-opengl-files参数告诉安装程序不要覆盖系统的OpenGL库。

5.2 多显卡配置

如果你同时有集成显卡和NVIDIA显卡，需要正确配置Xorg：

sudo gedit /usr/share/X11/xorg.conf.d/10-nvidia.conf

添加以下内容：

Section "OutputClass"
    Identifier "nvidia"
    MatchDriver "nvidia-drm"
    Driver "nvidia"
    Option "AllowEmptyInitialConfiguration"
    Option "PrimaryGPU" "yes"
    ModulePath "/usr/lib/x86_64-linux-gnu/nvidia/xorg"
EndSection

这样可以确保系统优先使用NVIDIA显卡。

5.3 内核升级后的驱动问题

每次系统内核升级后，NVIDIA驱动可能需要重新编译。使用dkms可以自动处理：

sudo dkms install -m nvidia -v 510.85.02 # 替换为你安装的驱动版本

如果已经出现问题，可以尝试：

sudo apt install --reinstall nvidia-dkms-510
sudo update-initramfs -u

我在多个服务器和工作站上部署过深度学习环境，最大的经验就是：做好每个步骤的日志记录。这样当出现问题时，可以快速定位到是哪个环节出了错。另外，建议在安装前使用Timeshift创建系统快照，这样即使操作失误也能快速恢复。