【Linux】Linux系统中升级CUDA到最新版本

2025-06-13 01:00:57 1 阅读

在Linux系统中升级CUDA到最新版本（例如CUDA Toolkit 12.6），需要确保系统兼容性、卸载旧版本、安装新版本并验证安装。以下是清晰有序的步骤，适用于Ubuntu/Debian或Red Hat/CentOS等常见Linux发行版，涵盖环境准备、安装方法和注意事项。

1. 前期准备

1.1 检查系统兼容性

确认GPU支持CUDA：
检查系统中是否有NVIDIA GPU：
```
lspci | grep -i nvidia
```
验证GPU是否在NVIDIA支持列表中：访问 NVIDIA CUDA GPUs。
检查Linux版本：
确认发行版和版本（CUDA支持Ubuntu、Debian、Fedora、CentOS等）：
```
lsb_release -a
```
或：
```
cat /etc/os-release
```
检查GCC版本：
CUDA需要兼容的GCC版本（例如，CUDA 12.6支持GCC 11.x或更低）。检查当前版本：
```
gcc --version
```
如需安装或切换GCC版本：
```
sudo apt install gcc-11 g++-11  # Ubuntu/Debian
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-11 50
```

1.2 验证当前CUDA版本

检查已安装的CUDA版本（若有）：

nvcc --version

或：

nvidia-smi

nvcc --version 显示CUDA Toolkit版本。
nvidia-smi 显示驱动支持的CUDA版本（可能与Toolkit版本不同）。

1.3 备份系统

升级前建议备份重要数据，以防安装失败或系统问题。

2. 卸载旧版本CUDA（可选）

若系统已安装旧版CUDA，建议卸载以避免冲突。

2.1 卸载通过包管理器安装的CUDA

Ubuntu/Debian：

sudo apt purge nvidia-cuda-toolkit cuda*
sudo apt autoremove

CentOS/RHEL：

sudo yum remove cuda nvidia-cuda-toolkit

2.2 卸载通过.run文件安装的CUDA

若使用NVIDIA提供的.run安装包：

查找安装目录（通常为 /usr/local/cuda-X.Y）。
删除目录：
```
sudo rm -rf /usr/local/cuda-X.Y
```

检查环境变量，移除旧CUDA路径：

nano ~/.bashrc

删除类似以下行：

export PATH=/usr/local/cuda-X.Y/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-X.Y/lib64:$LD_LIBRARY_PATH

保存并生效：

source ~/.bashrc

2.3 验证卸载

运行以下命令，确保旧版本已移除：

nvcc --version

应提示命令不存在。

3. 安装最新CUDA Toolkit（12.6）

3.1 方法1：使用NVIDIA官方包管理器（推荐）

此方法通过添加NVIDIA仓库安装，适合Ubuntu/Debian和CentOS/RHEL，易于管理和升级。

Ubuntu/Debian

下载并添加NVIDIA CUDA仓库：
访问 NVIDIA CUDA Toolkit 下载页面，选择适合的平台（例如，Ubuntu 22.04，x86_64，deb (local)）。执行提供的命令，例如：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin
sudo mv cuda-ubuntu2204.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/3bf863cc.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/ /"

更新包索引并安装CUDA：
```
sudo apt update
sudo apt install cuda
```
- cuda 是一个元包，会安装最新版本的CUDA Toolkit（12.6）和兼容的NVIDIA驱动。

配置环境变量：
编辑 ~/.bashrc：

nano ~/.bashrc

添加：

export PATH=/usr/local/cuda-12.6/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.6/lib64:$LD_LIBRARY_PATH

生效：

source ~/.bashrc

CentOS/RHEL

添加NVIDIA CUDA仓库：
执行类似以下命令（根据发行版调整，例如RHEL 8）：

sudo dnf config-manager --add-repo https://developer.download.nvidia.com/compute/cuda/repos/rhel8/x86_64/cuda-rhel8.repo

安装CUDA：
```
sudo dnf install cuda
```
配置环境变量：
同Ubuntu，编辑 ~/.bashrc 添加路径。

3.2 方法2：使用.run文件安装

适用于需要自定义安装或离线环境的场景。

下载.run安装包：
访问 NVIDIA CUDA Toolkit 下载页面，选择.run文件。例如：

wget https://developer.download.nvidia.com/compute/cuda/12.6.0/local_installers/cuda_12.6.0_555.42.02_linux.run

运行安装：
```
sudo sh cuda_12.6.0_555.42.02_linux.run
```
- 按提示选择安装选项（可选择不安装驱动程序，仅安装Toolkit）。
- 默认安装路径为 /usr/local/cuda-12.6。
配置环境变量：
同上，编辑 ~/.bashrc 添加路径。

3.3 方法3：使用Conda安装（Anaconda环境）

适用于深度学习用户，集成TensorFlow/PyTorch。

激活Conda环境：
```
conda activate your_env_name
```

安装CUDA Toolkit：

conda install -c nvidia cudatoolkit=12.6

验证：
```
nvcc --version
```

4. 验证安装

检查CUDA版本：

nvcc --version

预期输出示例：

nvcc: NVIDIA (R) Cuda compiler driver
Cuda compilation tools, release 12.6, V12.6.68

检查NVIDIA驱动和CUDA兼容性：
```
nvidia-smi
```
确认驱动版本和CUDA版本（例如，驱动支持CUDA 12.6）。

编译示例程序：
下载NVIDIA CUDA样本：

git clone https://github.com/NVIDIA/cuda-samples.git
cd cuda-samples/Samples/0_Introduction/vectorAdd
make
./vectorAdd

若输出表明测试通过，CUDA安装成功。

5. 升级cuDNN（可选）

cuDNN是深度学习加速库，常与CUDA一起使用。

注册NVIDIA开发者账户：
访问 NVIDIA cuDNN 下载页面，登录并下载与CUDA 12.6兼容的cuDNN（例如，cuDNN 9.x）。

解压并安装：

tar -xvf cudnn-linux-x86_64-9.x.x.x_cuda12.x-archive.tar.xz
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda-12.6/include
sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda-12.6/lib64
sudo chmod a+r /usr/local/cuda-12.6/include/cudnn*.h /usr/local/cuda-12.6/lib64/libcudnn*

验证：
检查cuDNN版本（需要运行依赖cuDNN的程序，如TensorFlow）。

6. 注意事项与常见问题

6.1 驱动版本不兼容

问题：nvidia-smi 显示CUDA版本低于12.6。
解决：更新NVIDIA驱动：
```
sudo apt install nvidia-driver-555
```
或从 NVIDIA驱动下载页面获取最新驱动。

6.2 安装冲突

问题：旧CUDA残留导致安装失败。
解决：彻底卸载旧版本（见步骤2），检查 /usr/local/ 下是否有旧CUDA目录。

6.3 环境变量未生效

问题：nvcc 命令未找到。
解决：确认 ~/.bashrc 中的 PATH 和 LD_LIBRARY_PATH 设置正确，并运行：
```
source ~/.bashrc
```

6.4 多版本共存

CUDA支持并行安装（side-by-side）。安装到不同目录（如 /usr/local/cuda-12.6），使用符号链接切换版本：
```
sudo ln -sf /usr/local/cuda-12.6 /usr/local/cuda
```
或通过 update-alternatives 管理：
```
sudo update-altern system cuda /usr/local/cuda-12.6
```

6.5 权限问题

确保使用 sudo 执行安装命令，安装目录（如 /usr/local/cuda）有正确权限：
```
sudo chown -R root:root /usr/local/cuda-12.6
```

7. 总结

升级CUDA到最新版本（12.6）的步骤：

检查系统兼容性（GPU、Linux版本、GCC）。
卸载旧版本CUDA（若需要）。
通过包管理器或.run文件安装CUDA 12.6。
配置环境变量（PATH 和 LD_LIBRARY_PATH）。
验证安装（nvcc --version 和示例程序）。
（可选）升级cuDNN以支持深度学习。

参考资源：

NVIDIA CUDA Toolkit 下载
NVIDIA CUDA 安装指南
NVIDIA cuDNN 下载
Ubuntu CUDA 安装教程

本文地址：https://www.vps345.com/14596.html

上一篇：功耗仅4W！迷你服务器黑豹X2（Panther X2）卡刷···

下一篇：Ubuntu 20.04 LTS系统备份和恢复数据

[2025-06-14]

Ubuntu20.04 安装ROS1 Noetic（小鱼一键···

[2025-06-13]

【Linux】重定向 | 为什么说”一切皆文···

[2025-06-13]

Linux 通过 SMB 协议挂载 Windows 共享···

[2025-06-13]

Linux：多线程---线程控制（线程创建&&···

[2025-06-13]

Ubuntu 系统 Docker 中搭建 CUDA & cuD···

[2025-06-14]

Ubuntu20.04 安装ROS1 Noetic（小鱼一键···

[2025-06-13]

【Linux】重定向 | 为什么说”一切皆文···

[2025-06-13]

Linux 通过 SMB 协议挂载 Windows 共享···

[2025-06-13]

Linux：多线程---线程控制（线程创建&&···

[2025-06-13]

Ubuntu 系统 Docker 中搭建 CUDA & cuD···

最新资讯