共计 2963 个字符，预计需要花费 8 分钟才能阅读完成。
技术背景
RTX 5090 是 NVIDIA 最新一代消费级显卡，采用了全新的 Ada Lovelace 架构，拥有以下特性：
- 第三代 RT Core 和第四代 Tensor Core，大幅提升光线追踪和 AI 计算性能
- 显存容量高达 24GB GDDR6X，适合大模型训练
- 支持 PCIe 5.0，提供更高的数据传输带宽
- 新增 FP8 精度支持，优化了深度学习推理性能
环境准备
在开始安装前，请确保你的系统满足以下要求：
硬件要求
- NVIDIA RTX 5090 显卡（建议使用至少 750W 电源）
- 主板支持 PCIe 4.0/5.0
- 至少 32GB RAM（推荐 64GB 以上）
软件要求
- Ubuntu 20.04/22.04 LTS（其他发行版可能需要额外调整）
- Linux 内核版本 5.15 或更高
- GCC 9.0+ 编译工具链
分步指南
1. 驱动安装
首先需要禁用系统自带的 nouveau 驱动，因为它会与 NVIDIA 官方驱动冲突：
- 创建配置文件：
sudo nano /etc/modprobe.d/blacklist-nouveau.conf - 添加以下内容：
blacklist nouveau options nouveau modeset=0 - 更新 initramfs 并重启：
sudo update-initramfs -u sudo reboot
安装官方驱动（以 Ubuntu 为例）：
- 添加官方 PPA：
sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update - 查找可用驱动版本：
ubuntu-drivers devices - 安装推荐驱动（通常是最新版）：
sudo apt install nvidia-driver-535
2. CUDA Toolkit 安装
选择与驱动兼容的 CUDA 版本非常重要。RTX 5090 需要 CUDA 12.0+：
- 下载 CUDA Toolkit：
wget https://developer.download.nvidia.com/compute/cuda/12.2.2/local_installers/cuda_12.2.2_535.104.05_linux.run - 运行安装程序：
sudo sh cuda_12.2.2_535.104.05_linux.run - 配置环境变量：
export PATH=/usr/local/cuda-12.2/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
3. cuDNN 和 NCCL 安装
这些加速库对于深度学习性能至关重要：
- 下载 cuDNN（需要 NVIDIA 开发者账号）：
tar -xzvf cudnn-linux-x86_64-8.9.0.131_cuda12-archive.tar.xz - 安装 cuDNN：
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* - 安装 NCCL：
sudo apt install libnccl2 libnccl-dev
验证环节
安装完成后，验证环境是否正常工作：
- 检查 GPU 识别：
nvidia-smi - 编译并运行 CUDA 示例：
cd /usr/local/cuda/samples/1_Utilities/deviceQuery make ./deviceQuery - 简单的矩阵乘法测试（Python）：
import torch print(torch.cuda.is_available()) # 应该返回 True a = torch.randn(1000, 1000).cuda() b = torch.randn(1000, 1000).cuda() c = torch.matmul(a, b) print(c)
避坑指南
以下是常见问题及解决方案：
- 驱动签名问题：
- 症状：安装驱动后无法进入图形界面
-
解决方案：启动时进入恢复模式，禁用 Secure Boot
-
GPU 无法识别：
- 检查 PCIe 插槽是否支持 x16 速度
-
运行
lspci | grep -i nvidia确认系统是否检测到显卡 -
CUDA 版本冲突：
- 使用
nvcc --version检查 CUDA 版本 - 确保 PATH 环境变量指向正确的 CUDA 安装目录
自动化方案
以下是一个简单的 Bash 脚本，可自动化大部分安装流程：
#!/bin/bash
# 1. 禁用 nouveau 驱动
echo "禁用 nouveau 驱动..."
sudo bash -c 'echo -e"blacklist nouveau\noptions nouveau modeset=0"> /etc/modprobe.d/blacklist-nouveau.conf'
sudo update-initramfs -u
# 2. 安装 NVIDIA 驱动
echo "安装 NVIDIA 驱动..."
sudo add-apt-repository -y ppa:graphics-drivers/ppa
sudo apt update
sudo apt install -y nvidia-driver-535
# 3. 安装 CUDA
echo "安装 CUDA Toolkit..."
wget https://developer.download.nvidia.com/compute/cuda/12.2.2/local_installers/cuda_12.2.2_535.104.05_linux.run
sudo sh cuda_12.2.2_535.104.05_linux.run --silent --toolkit
# 4. 配置环境变量
echo "配置环境变量..."
echo 'export PATH=/usr/local/cuda-12.2/bin${PATH:+:${PATH}}' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc
source ~/.bashrc
# 5. 验证安装
echo "验证安装..."
nvidia-smi
nvcc --version性能优化建议
为了获得最佳性能，建议进行以下优化：
- 在 BIOS 中启用 Resizable BAR（显存智取）
- 确保 PCIe 工作在最高速度（x16 4.0/5.0）
- 设置 GPU 性能模式为最大：
sudo nvidia-smi -pm 1 sudo nvidia-smi -ac 5001,1860 - 对于多 GPU 系统，确保正确配置了 NCCL 通信：
export NCCL_IB_DISABLE=1 # 如果使用 PCIe 而非 InfiniBand export NCCL_SOCKET_IFNAME=eth0
现在你已经成功在 RTX 5090 上配置了完整的深度学习环境。建议尝试运行一些基准测试（如使用 PyTorch 的 torchbench）来验证性能。如果遇到任何问题，欢迎在评论区分享你的经验，我们可以一起讨论解决方案！
正文完
