【Linux】Linux系统中升级CUDA到最新版本

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：

1. 查找安装目录（通常为 /usr/local/cuda-X.Y）。
2. 删除目录：

   sudo rm -rf /usr/local/cuda-X.Y
   

3. 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

1. 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/ /"
   

2. 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。

3. 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

1. 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
   

2. 安装CUDA：

   sudo dnf install cuda
   

3. 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。

1. 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
   

2. 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。
3. 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。

1. 激活Conda环境：

   conda activate your_env_name
   

2. 安装CUDA Toolkit：

   conda install -c nvidia cudatoolkit=12.6
   

3. 验证：

   nvcc --version
   

---

4. 验证安装

1. 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
   

2. 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）。
3. 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。

1. 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）。
2. 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*
   

3. 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：

1. 检查系统兼容性（GPU、Linux版本、GCC）。
2. 卸载旧版本CUDA（若需要）。
3. 通过包管理器或.run文件安装CUDA 12.6。
4. 配置环境变量（PATH 和 LD_LIBRARY_PATH）。
5. 验证安装（nvcc --version 和示例程序）。
6. （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