【实践指南】从零到一：Linux环境下CUDA 12.2的完整安装与验证

1. 环境准备：从驱动检查到依赖安装

第一次在Linux上装CUDA时，我盯着命令行界面足足发了五分钟呆——NVIDIA驱动、CUDA Toolkit、环境变量这些概念像一团乱麻。后来才发现，安装CUDA本质上是在搭建三层结构：底层显卡驱动是地基，中间层CUDA Toolkit是工具库，上层环境变量则是通行证。这里以Ubuntu 22.04为例，带大家走通全流程。

先检查显卡驱动是否就位。打开终端输入：

bash复制nvidia-smi

如果看到类似下面的输出，说明驱动已安装：

code复制+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 535.54.03              Driver Version: 535.54.03    CUDA Version: 12.2     |
|-----------------------------------------+----------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |         Memory-Usage | GPU-Util  Compute M. |
|                                         |                      |               MIG M. |
|=========================================+======================+======================|
|   0  NVIDIA GeForce RTX 3090        Off | 00000000:01:00.0 Off |                  N/A |
| 30%   45C    P8              25W / 350W |      0MiB / 24576MiB |      0%      Default |
|                                         |                      |                  N/A |
+-----------------------------------------+----------------------+----------------------+

关键看第二行CUDA Version字段，这里显示12.2表示驱动已支持CUDA 12.2。如果报错"command not found"，需要先安装驱动。推荐使用官方驱动安装方式：

bash复制sudo apt install nvidia-driver-535

接下来处理系统依赖。CUDA安装需要GCC编译器和基础开发库，执行：

bash复制sudo apt update
sudo apt install build-essential gcc make linux-headers-$(uname -r)

这里有个隐藏坑点：不同Linux发行版的内核头文件包名可能不同。比如CentOS需要kernel-devel，而ArchLinux则是linux-headers。如果安装时遇到"Unable to locate package"错误，记得查对应发行版的文档。

2. CUDA Toolkit安装实战

到NVIDIA官网下载CUDA 12.2的runfile安装包。选择Linux → x86_64 → Ubuntu → 22.04 → runfile(local)后，会得到类似cuda_12.2.0_535.54.03_linux.run的文件。我强烈建议用runfile而不是deb包，因为可以自定义安装组件。

给安装文件添加执行权限后，关键步骤来了：

bash复制chmod +x cuda_12.2.0_535.54.03_linux.run
sudo ./cuda_12.2.0_535.54.03_linux.run

安装界面会出现组件选择菜单。重点注意：

• 如果已经装过驱动，务必取消勾选Driver选项（按空格键切换）
• CUDA Toolkit必须选中
• 文档和示例建议安装，后续验证时会用到

安装完成后，你会看到这样的摘要信息：

code复制=========== Summary ===========
Driver: Not Selected
Toolkit: Installed in /usr/local/cuda-12.2/

特别注意警告信息："Incomplete installation! This installation did not install the CUDA Driver"。如果之前没装驱动，这里需要重新运行安装程序并加上--driver参数。

3. 环境配置的精细调整

安装完成只是第一步，真正让系统识别CUDA需要配置两个核心环境变量：

1. PATH：让系统找到nvcc等可执行文件
2. LD_LIBRARY_PATH：指定CUDA库文件路径

修改/etc/profile文件（全局生效）或~/.bashrc（当前用户生效）：

bash复制export PATH=/usr/local/cuda-12.2/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64:$LD_LIBRARY_PATH

保存后执行source ~/.bashrc立即生效。这里有个实用技巧：用nvcc -V验证时，如果显示"command not found"，可能是PATH没生效。试试绝对路径：

bash复制/usr/local/cuda-12.2/bin/nvcc -V

预期输出应包含CUDA 12.2版本信息：

code复制nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on Tue_Jun_13_19:16:58_PDT_2023
Cuda compilation tools, release 12.2, V12.2.91

更规范的作法是使用ldconfig管理库路径。创建/etc/ld.so.conf.d/cuda.conf文件，写入：

code复制/usr/local/cuda-12.2/lib64

然后执行sudo ldconfig更新缓存。这种方式比直接修改LD_LIBRARY_PATH更稳定，特别是需要多版本CUDA共存时。

4. 验证安装的三种武器

验证阶段最容易暴露问题，我准备了三种验证方式，难度逐级提升。

4.1 基础检查：deviceQuery

进入CUDA自带的示例目录（通常位于/usr/local/cuda-12.2/samples），编译并运行deviceQuery：

bash复制cd 1_Utilities/deviceQuery
make
./deviceQuery

成功时会显示显卡详细信息，最后出现"Result = PASS"。常见错误：

• "CUDA driver version is insufficient"：驱动版本过低
• "no CUDA-capable device is detected"：驱动未加载或显卡未识别

4.2 压力测试：bandwidthTest

同一目录下的bandwidthTest能检验显存通信质量：

bash复制cd ../bandwidthTest
make
./bandwidthTest

正常结果应显示Host-Device和Device-Device的带宽数值。我的RTX 3090测试结果约880GB/s，如果数值异常低（如<100GB/s），可能是PCIe链路问题。

4.3 实战演练：矩阵乘法

自己写个简单的CUDA程序验证编译能力。创建matrixMul.cu文件：

cuda复制#include <stdio.h>
#include <cuda_runtime.h>

__global__ void matrixMul(int *a, int *b, int *c, int N) {
    int row = blockIdx.y * blockDim.y + threadIdx.y;
    int col = blockIdx.x * blockDim.x + threadIdx.x;
    if (row < N && col < N) {
        int sum = 0;
        for (int k = 0; k < N; k++) {
            sum += a[row * N + k] * b[k * N + col];
        }
        c[row * N + col] = sum;
    }
}

int main() {
    int N = 512;
    size_t size = N * N * sizeof(int);
    
    int *h_a = (int*)malloc(size);
    int *h_b = (int*)malloc(size);
    int *h_c = (int*)malloc(size);

    // 初始化矩阵（略）
    
    int *d_a, *d_b, *d_c;
    cudaMalloc(&d_a, size);
    cudaMalloc(&d_b, size);
    cudaMalloc(&d_c, size);

    cudaMemcpy(d_a, h_a, size, cudaMemcpyHostToDevice);
    cudaMemcpy(d_b, h_b, size, cudaMemcpyHostToDevice);

    dim3 threadsPerBlock(16, 16);
    dim3 blocksPerGrid((N + threadsPerBlock.x - 1) / threadsPerBlock.x, 
                      (N + threadsPerBlock.y - 1) / threadsPerBlock.y);
    
    matrixMul<<<blocksPerGrid, threadsPerBlock>>>(d_a, d_b, d_c, N);
    
    cudaMemcpy(h_c, d_c, size, cudaMemcpyDeviceToHost);
    
    // 验证结果（略）
    
    cudaFree(d_a);
    cudaFree(d_b);
    cudaFree(d_c);
    free(h_a);
    free(h_b);
    free(h_c);
    
    return 0;
}

编译运行：

bash复制nvcc matrixMul.cu -o matrixMul
./matrixMul

这个测试能验证完整的CUDA开发生态是否正常，包括编译器、运行时库和设备执行。

5. 避坑指南：常见问题解决

实际安装时总会遇到各种妖魔鬼怪。分享几个我踩过的坑：

驱动版本冲突：之前用apt安装的驱动可能与CUDA安装包带的驱动冲突。解决方法：

bash复制sudo apt purge nvidia*
sudo /usr/local/cuda-12.2/bin/cuda-uninstaller

然后重新安装驱动和CUDA。

GCC版本问题：CUDA 12.2要求GCC版本不高于11。如果系统预装GCC 12+，需要降级：

bash复制sudo apt install gcc-11 g++-11
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-11 100

多版本CUDA共存：通过软链接/usr/local/cuda指向具体版本目录，配合conda环境更佳：

bash复制sudo rm /usr/local/cuda
sudo ln -s /usr/local/cuda-12.2 /usr/local/cuda

Xorg服务崩溃：安装驱动后无法进入图形界面。尝试在grub引导时加nomodeset参数，然后重装驱动：

bash复制sudo apt install --reinstall nvidia-driver-535