NVIDIA RTX 5090安装Linux深度学习环境全指南：从驱动配置到CUDA环境搭建

1次阅读

没有评论

共计 2454 个字符，预计需要花费 7 分钟才能阅读完成。

NVIDIA RTX 5090 是 NVIDIA 最新一代的消费级显卡，基于全新的架构设计，提供了卓越的并行计算能力。它在深度学习领域的优势主要体现在以下几个方面：

强大的浮点运算性能，特别适合训练复杂的神经网络模型
大容量显存（预计 24GB GDDR6X），可以处理更大规模的数据集
支持最新的 CUDA 核心和 Tensor 核心，加速矩阵运算
优秀的能效比，相比前代产品性能提升显著

在开始安装前，请确保你的系统满足以下要求：

硬件：
NVIDIA RTX 5090 显卡
至少 16GB 系统内存（推荐 32GB 或更高）
足够的存储空间（建议 500GB SSD 或更大）
软件：
Ubuntu 22.04 LTS（其他 Linux 发行版可能需调整步骤）
稳定的网络连接
基础开发工具（build-essential 等）

首先需要安装专有 NVIDIA 驱动，并禁用开源的 nouveau 驱动：

更新系统软件包：
```
sudo apt update && sudo apt upgrade -y
```

安装必要的依赖：

sudo apt install build-essential dkms -y

禁用 nouveau 驱动：

sudo bash -c "echo'blacklist nouveau'>> /etc/modprobe.d/blacklist-nouveau.conf"
sudo bash -c "echo'options nouveau modeset=0'>> /etc/modprobe.d/blacklist-nouveau.conf"
sudo update-initramfs -u

重启系统：
```
sudo reboot
```

安装 NVIDIA 驱动（以 515 版本为例）：

sudo apt install nvidia-driver-515 nvidia-dkms-515 -y

验证驱动安装：
```
nvidia-smi
```
应该能看到 RTX 5090 的相关信息。

下载 CUDA Toolkit（以 11.7 为例）：

wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run

安装 CUDA：
```
sudo sh cuda_11.7.0_515.43.04_linux.run
```
安装时选择不安装驱动（因为前面已经安装了）。

配置环境变量：

echo 'export PATH=/usr/local/cuda-11.7/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

验证 CUDA 安装：
```
nvcc --version
```

从 NVIDIA 开发者网站下载 cuDNN（需要注册账号）

安装：

sudo dpkg -i libcudnn8_8.x.x.x-1+cuda11.7_amd64.deb
sudo dpkg -i libcudnn8-dev_8.x.x.x-1+cuda11.7_amd64.deb
sudo dpkg -i libcudnn8-samples_8.x.x.x-1+cuda11.7_amd64.deb

conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch

pip install tensorflow-gpu

import torch

# 检查 CUDA 是否可用
print(f"CUDA available: {torch.cuda.is_available()}")
print(f"Device count: {torch.cuda.device_count()}")
print(f"Current device: {torch.cuda.current_device()}")
print(f"Device name: {torch.cuda.get_device_name(0)}")

# 简单张量运算
a = torch.randn(10000, 10000).cuda()
b = torch.randn(10000, 10000).cuda()
c = a * b
print(c.mean())

import tensorflow as tf

# 检查 GPU 是否可用
print(f"GPU available: {tf.config.list_physical_devices('GPU')}")

# 简单矩阵运算
with tf.device('/GPU:0'):
    a = tf.random.normal((10000, 10000))
    b = tf.random.normal((10000, 10000))
    c = tf.matmul(a, b)
    print(tf.reduce_mean(c))