1. 确保系统已安装NVIDIA显卡驱动

先说说确保你的系统已经安装了NVIDIA显卡驱动。你能通过以下命令检查是不是已安装驱动：

nvidia-smi

如果看得出来了显卡信息，说明驱动已安装。如果没有，你需要先安装驱动。

安装NVIDIA显卡驱动

1. 添加NVIDIA PPA：

sudo add-apt-repository ppa:graphics-drivers/ppa

2. 更新鲜柔软件包列表：

sudo apt update

3. 安装推荐的驱动版本：

sudo apt install nvidia-driver-470

4. 沉启系统：

sudo reboot

2. 安装CUDA Toolkit

访问NVIDIA CUDA Toolkit下载页面选择适合你系统的版本并下载安装脚本。

chmod +x cuda_11.7.0_515.43.04_linux.run

运行安装脚本

sudo ./cuda_11.7.0_515.43.04_linux.run

按照提示完成安装。在安装过程中，确保选择安装CUDA Toolkit和驱动程序。

3. 配置周围变量

编辑~/.bashrc文件， 添加以下内容：

export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后使周围变量生效：

source ~/.bashrc

4. 安装cuDNN

访问NVIDIA cuDNN下载页面下载与CUDA Toolkit版本匹配的cuDNN库。

解压下载的文件

tar -xzvf cudnn-11.7-linux-x64-v8.0.4.44.tgz

将cuDNN文件复制到CUDA目录

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*

5. 验证安装

验证CUDA和cuDNN是不是正确安装：

nvidia-smi

如果看得出来了CUDA版本信息，说明CUDA安装成功。

6. 安装PyTorch

用pip安装PyTorch，确保选择与CUDA版本匹配的PyTorch版本。比方说 如果你安装的是CUDA 11.7，能用以下命令：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117

7. 验证PyTorch with CUDA

编写一个轻巧松的Python脚本来验证PyTorch是不是能够用CUDA：

import torch
print)
print)
print))

如果输出看得出来CUDA可用，并且看得出来了GPU名称，说明PyTorch with CUDA安装成功。

通过以上步骤，你得能够在Ubuntu上成功安装并配置PyTorch CUDA。