一、ubuntu cuda全卸载与安装

要彻底卸载 Ubuntu系统上的 NVIDIA CUDA，应遵循以下步骤，确保卸载干净并重启系统。

1.卸载 NVIDIA的驱动和 CUDA完整组件，并重启系统。这是确保卸载过程彻底的关键步骤。

2.安装新的驱动并重启。安装驱动后，检查 NVIDIA-smi工具是否正常运行，这将验证驱动安装是否成功。

3.完成驱动验证后，可以开始安装 CUDA Toolkit。此步骤将提供访问更多 CUDA工具和资源的权限。

您可以在 NVIDIA官方网站的 CUDA Toolkit 12.2下载页面获取所需文件。

请注意，确保在执行这些步骤时保持系统稳定性和安全性，避免数据丢失或系统中断。在安装 CUDA工具时，确保选择与您的系统兼容的版本，以避免兼容性问题。

二、Ubuntu16.04 安装cuda11.3+cudnn8.2.1

为了利用TensorRT加速模型，当前系统需更新到CUDA 11.3和cudnn 8.2.1版本。由于Ubuntu 16.04仅支持到CUDA 11.3，新版本如11.4不兼容此系统，若需使用最新版本，需考虑更换操作系统。

安装流程如下：

1.登录英伟达官网，根据需求下载CUDA 11.3版本。

前往CUDA专区，如需历史版本，需进行搜索。

1.依据下载命令执行下载操作。

选择“接受”选项，跳过驱动安装，直接点击“安装”进行CUDA 11.3的安装。如已有先前版本，安装不会受到影响。

1.确认安装是否成功。

执行更新环境操作，加入指定配置。执行测试命令以验证安装状态。

测试步骤包括：运行nvidia-smi命令查看显卡信息，执行nvcc-V命令确认CUDA版本。

2.查找并下载cudnn 8.2.1。

在cuDNN Archive中，选择支持11.x版本的8.2.1版本进行下载。

2.下载并安装cudnn 8.2.1。

通过解压文件完成安装，至此，CUDA 11.3和cudnn 8.2.1的安装过程结束。

2.安装教程参考：

查看荔枝七加er的CentOS非root用户安装CUDA和cuDNN的多图详细教程，了解完整步骤和注意事项。

三、Ubuntu安装cuda+cudnn保姆级教程记录

1.查看驱动版本

此处显示的Driver Version是驱动的实际版本，而CUDA Version是对应的cuda最高版本，以上图为例，对应现有的驱动版本咱们应该安装12.1以下版本的cuda。

2.安装cuda

官方链接： CUDA Toolkit- Free Tools and Training

点击download now，将会跳转至最新版本的安装界面

如果这不是你想要的版本，则滑动滚轮至最下方，找到Archive of Previous CUDA Releases，点击进入选择你想要安装的cuda版本，并选择服务器类型，根据下方显示的Installation Instructions安装cuda即可。

若运行以下命令，能显示图示信息，那么恭喜你，安装成功啦！

用vim命令打开环境配置文件.bashrc

输入i进入编辑模式，在文件的最后输入以下两行内容添加环境变量，esc退出编辑模式，并输入:wq进行保存。此处/usr/local/cuda-11.8/替换成自己的安装路径即可，若不清楚，可以运行whereis cuda查看。

重新加载环境配置文件

搞定！

我安装的时候（下载安装包.run文件的时候）不知道是网络问题还是什么，报段错误了，运维也没帮我解决，我是在别的机器下载的安装包上传到服务器，然后再运行sh安装的，一个笨方法，仅供参考哈哈哈哈哈哈。

3.安装cudnn

官方链接： cuDNN Archive

重要！！如果你的模型要用到特定版本的pytorch，记得先看看跟这个版本的pytorch相匹配的cudnn： Previous PyTorch Versions

找到跟此前安装的cuda版本兼容的版本，点击进入选择对应服务器系统类型的安装包即可

下载完成后上传到服务器，找到合适的路径解压缩安装包：

然后将相应文件复制到cuda的安装路径，并修改权限即可，其中cudnn-linux-x86_64-8.9.4.25_cuda11-archive/为解压缩后的文件路径，/usr/local/cuda/为cuda的安装路径，按照自己的实际情况替换即可：

运行以下命令

若上述命令没有结果，则运行以下命令

若出现以下信息，恭喜你，cudnn安装成功！

准备就绪，我们可以安装anaconda，新建一个虚拟环境进行开发啦~~

往期传送门：李大锤：Ubuntu安装anaconda保姆级教程记录

参考：

【1】 ubuntu系统安装CUDA和CUDNN（CUDA安装）_哔哩哔哩_bilibili

【2】 Ubuntu18.04安装CUDA+cuDNN+TensorFlow+TensorRT萤火

四、Ubuntu 20.04 CUDA&cuDNN安装方法

本文将详细介绍如何在Ubuntu 20.04上安装CUDA和cuDNN。请按照以下步骤操作。

首先，检查并安装显卡驱动。运行“nvidia-smi”命令查看支持的CUDA版本。若无驱动信息显示，需点击“附加驱动”，选择相应版本的驱动，完成下载与安装。重启电脑后，再次使用“nvidia-smi”确保驱动安装成功。

其次，对GCC进行降级。Ubuntu 20.04自带GCC 9.7.0，需添加GCC 7以兼容CUDA 10.2。执行“sudo apt-get install gcc-7 g++-7”安装GCC 7。通过“update-alternatives”命令将GCC版本切换至7，确保默认使用GCC 7。

接着，下载并安装CUDA 10.1。访问指定网站下载CUDA 10.1版本。按照指引完成安装，注意跳过安装显卡驱动的选项，仅选择安装CUDA。确认安装成功后，配置环境变量，编辑“~/.bashrc”，添加以下语句，以指向CUDA 10.1的bin和lib64目录。更新环境变量配置并重启终端以确保CUDA安装完成。

最后，安装cuDNN。访问指定网站下载与CUDA 10.1对应的cuDNN版本。下载并解压后，将cudnn.h文件复制到/usr/local/cuda/include目录，将所有lib64文件复制到/usr/local/cuda/lib64目录，并赋予读取权限。至此，cuDNN安装完成。

遵循以上步骤，您将成功在Ubuntu 20.04上安装CUDA和cuDNN，为进行GPU加速的深度学习项目做好准备。

五、【经验分享】ubuntu系统、显卡驱动、cuda、cudnn安装教程

本文提供Ubuntu系统、显卡驱动、CUDA、CUDNN的安装教程。

Ubuntu系统安装推荐使用中国官网或阿里云官网下载。使用Rufus制作u盘启动盘，选择合适的Ubuntu镜像，通过BIOS设置u盘为第一启动设备，完成安装。

显卡驱动安装推荐使用图形界面的Ubuntu仓库自动化安装。在“软件和更新”中切换至清华源，选择附加驱动进行安装。重启后输入nvidia-smi，可查看显卡信息。如需命令行安装，需先删除原有驱动，禁用nvidia驱动，添加Graphic Drivers PPA，查询并安装合适的驱动版本，更新清华源。

CUDA安装，下载对应版本的CUDA*run文件，安装依赖后执行安装。在系统变量配置文件末尾添加相关环境变量设置，检查安装是否成功。

CUDNN安装较为简便，下载CUDNN并将其头文件和库文件复制到指定路径。注意CUDNN版本需与CUDA兼容。

至此，Ubuntu系统、显卡驱动、CUDA、CUDNN的安装流程完成。

六、Ubuntu CUDA toolkit安装

在进行Ubuntu系统下的CUDA Toolkit安装前，建议先检查系统中是否已存在CUDA库，可通过终端输入相关命令进行检查。若结果显示未安装，需参照先前已解决的NVIDIA显卡驱动安装教程进行驱动安装。

进行版本判断与选择。使用终端命令确认可用版本，然后依据需求选择相应版本的CUDA库。可直接在浏览器搜索获取所需版本的CUDA库，或直接访问Nvidia官网下载，选择与系统匹配的操作系统、版本等信息。官网提供不同安装类型选择，推荐选择"runfile(local)"安装方式，此类型允许用户自行决定是否安装驱动程序，相比默认的"deb"方式更为灵活。

依据官网指引，通过终端依次执行相关命令下载并安装CUDA库。此过程可能需要一定时间，完成后终端将显示安装结果。在/usr/local目录下会发现新生成的cuda-11.8文件夹，确认安装成功。

配置环境变量以确保全局环境下能够识别CUDA库。在/home目录下打开终端，编辑bashrc文件，在文件末尾添加两行用于指定CUDA路径的代码。保存文件后退出，再打开终端输入相关命令以更新环境变量设置。在桌面上或其他任意位置启动终端，输入特定命令以验证环境变量配置是否成功。

至此，Ubuntu系统下的CUDA Toolkit安装过程完成。参考相关教程可了解更多细节，包括安装与卸载过程中的注意事项和优化技巧。