Shell / BashAI
Ubuntu 24.04 LTS 安装 NVIDIA 显卡驱动、CUDA 12.5 及 Docker 容器工具包
在 Ubuntu 24.04 LTS 系统上从零开始安装 NVIDIA 显卡驱动、CUDA 12.5 及 Docker 容器工具包的完整流程。主要步骤包括卸载旧驱动、添加官方软件源、安装核心组件、配置环境变量、验证安装状态以及测试 Docker 容器内的 GPU 调用能力。该方案适用于深度学习、机器学习及高性能计算领域的开发环境搭建。
在 Ubuntu 24.04 LTS 系统上从零开始安装 NVIDIA 显卡驱动、CUDA 12.5 及 Docker 容器工具包的完整流程。主要步骤包括卸载旧驱动、添加官方软件源、安装核心组件、配置环境变量、验证安装状态以及测试 Docker 容器内的 GPU 调用能力。该方案适用于深度学习、机器学习及高性能计算领域的开发环境搭建。
随着 Ubuntu 24.04 LTS 的发布，许多需要进行 GPU 加速计算的开发者都希望能够在这个最新的长期支持版本上搭建自己的开发环境。NVIDIA 显卡驱动是基础，CUDA 是连接硬件和上层计算框架（如 PyTorch, TensorFlow）的桥梁，而 NVIDIA Container Toolkit 则是实现容器化 GPU 应用的关键。
在开始安装之前，强烈建议先将系统中可能存在的旧版本 NVIDIA 驱动彻底卸载，以避免潜在的冲突。
打开终端（快捷键 Ctrl+Alt+T），执行以下命令：
# 更新软件包列表
sudo apt update
# 卸载所有与 nvidia 相关的软件包
sudo apt-get --purge remove '*nvidia*'
sudo apt-get autoremove
sudo apt-get autoclean
执行完毕后，最好重启一下系统，确保所有旧的驱动模块都已被卸载。
sudo reboot
重启后，你可以通过 lspci 命令确认你的 NVIDIA 显卡型号，确保硬件被系统正确识别。
# 查看 PCI 设备列表，并筛选出 NVIDIA 相关的设备
lspci | grep -i nvidia
你会看到类似下面的输出，显示你的显卡型号（例如 NVIDIA Corporation GA102 [GeForce RTX 3090]）。
为了确保我们安装的是最新且最匹配的驱动和 CUDA 版本，最佳实践是使用 NVIDIA 官方提供的软件源。
更新软件包列表完成上述步骤后，再次更新你的 apt 软件包列表，以加载新的 CUDA 软件源。
sudo apt-get update
添加 CUDA 软件源
# 下载 CUDA for Ubuntu 24.04 的仓库配置文件
wget https://developer.download.nvidia.com/compute/cuda/12.5.1/local_installers/cuda-repo-ubuntu2404-12-5-local_12.5.1-555.42.06-1_amd64.deb
# 使用 dpkg 安装该仓库配置文件
sudo dpkg -i cuda-repo-ubuntu2404-12-5-local_12.5.1-555.42.06-1_amd64.deb
# 从本地仓库中提取 GPG 密钥并添加到系统的信任列表
sudo cp /var/cuda-repo-ubuntu2404-12-5-local/cuda-*-keyring.gpg /usr/share/keyrings/
下载并添加官方源的 GPG 密钥
# 下载官方的 .pin 文件，用于指定仓库优先级
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-ubuntu2404.pin
# 将 .pin 文件移动到 apt 的偏好设置目录
sudo mv cuda-ubuntu2404.pin /etc/apt/preferences.d/cuda-repository-pin-600
现在，我们可以直接通过 apt 来安装 CUDA Toolkit。一个好消息是，安装 cuda-toolkit 会自动处理其依赖关系，将最匹配的 NVIDIA 驱动一并安装上。
# 安装 CUDA Toolkit 12.5
# 这个过程会下载并安装驱动、CUDA 核心组件等，可能需要一些时间
sudo apt-get -y install cuda-toolkit-12-5
安装完成后，再次重启系统以加载新的内核模块和驱动。
sudo reboot
为了让系统能够在任何路径下都能找到 CUDA 的可执行文件（如 nvcc）和库文件，我们需要配置 PATH 和 LD_LIBRARY_PATH 环境变量。
PATH 变量用于指定可执行文件的搜索路径。LD_LIBRARY_PATH 变量用于指定动态链接库的搜索路径。${VAR:+:${VAR}} 是一种安全的写法，表示如果 VAR 变量已存在且非空，则在其前面添加一个冒号，否则不加，避免路径开头出现多余的冒号。编辑 ~/.bashrc 文件使用你喜欢的文本编辑器（如 nano 或 vim）打开 ~/.bashrc 文件。
nano ~/.bashrc
在文件末尾添加以下内容
# NVIDIA CUDA Toolkit Environment Variables
export PATH=/usr/local/cuda-12.5/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.5/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
使配置立即生效保存并关闭文件后，执行以下命令让配置立即生效。
source ~/.bashrc
现在是激动人心的验证环节！
验证 CUDA Toolkit执行 nvcc -V 或 nvcc --version 命令，检查 CUDA 编译器的版本。
nvcc -V
如果安装成功，你会看到类似下面的输出，确认 CUDA Toolkit 12.5 已安装。
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2024 NVIDIA Corporation
Built on Tue_Mar_19_18:45:25_PDT_2024
Cuda compilation tools, release 12.5, V12.5.40
Build cuda_12.5.r12.5/compiler.34174849_0
验证 NVIDIA 驱动执行 nvidia-smi 命令。
nvidia-smi
如果一切正常，你将看到一个表格，详细列出了你的 GPU 型号、驱动版本、CUDA 版本以及 GPU 的实时状态（温度、功耗、显存使用情况等）。
为了让 Docker 容器能够使用 GPU，我们需要安装 NVIDIA Container Toolkit。
更新软件包列表并安装
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit
设置 GPG 密钥和软件源
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
&& curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
配置 Docker 守护进程安装完成后，我们需要配置 Docker，让它知道如何使用 NVIDIA 运行时。
sudo nvidia-ctk runtime configure --runtime=docker
重启 Docker 服务应用新的配置，需要重启 Docker 守护进程。
sudo systemctl restart docker
最后一步，我们来验证一下 Docker 容器是否真的能调用到 GPU 资源。
我们将运行一个官方的 CUDA 基础镜像，并在容器内部执行 nvidia-smi。
# --gpus all 参数是关键，它告诉 Docker 为该容器分配所有可用的 GPU
sudo docker run --rm --gpus all nvidia/cuda:12.5.1-base-ubuntu22.04 nvidia-smi
如果命令成功执行，并且在容器的输出中看到了和主机上一样的 nvidia-smi 表格，那么恭喜你！整个环境已经完美搭建成功！
通过以上七个步骤，我们成功地在 Ubuntu 24.04 LTS 系统上完成了 NVIDIA 驱动、CUDA Toolkit 12.5 以及 NVIDIA Container Toolkit 的安装和配置。现在，你的系统已经准备就绪，可以投入到激动人心的 AI 开发和深度学习研究中去了。
常见问题 (FAQ):
Secure Boot 相关问题怎么办？
Secure Boot 选项并将其设置为 Disabled。nvidia-smi 命令找不到？
~/.bashrc 文件中的路径是否正确（特别是 CUDA 版本号），然后执行 source ~/.bashrc。如果还不行，请检查 /usr/local/ 目录下 CUDA 的实际安装路径。docker: Error response from daemon: ...？
nvidia-container-toolkit 已正确安装，并且 sudo systemctl restart docker 命令已成功执行。检查 Docker 服务的状态 (sudo systemctl status docker) 看是否有错误信息。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML转Markdown在线工具，online