文章目录1、安装 CUDA Toolkit2、安装 cuDNN在 Ubuntu 26.04 系统下搭配 5060 Ti 显卡和 595.71.05 版本的 NVIDIA 驱动安装 CUDA 和 cuDNN 变得非常便捷。Ubuntu 26.04 LTS 首次在官方软件仓库中提供了对 NVIDIA CUDA 工具包的原生支持彻底解决了以往需要手动添加第三方仓库和复杂配置环境变量的问题。以下是完美安装步骤1、安装 CUDA Toolkit通过nvidia-smi查看驱动版本Driver Version: 595.71.05支持的CUDA最高为Version: 13.2所以下载wgethttps://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-ubuntu2404.pinsudomvcuda-ubuntu2404.pin /etc/apt/preferences.d/cuda-repository-pin-600wgethttps://developer.download.nvidia.com/compute/cuda/13.2.1/local_installers/cuda-repo-ubuntu2404-13-2-local_13.2.1-595.58.03-1_amd64.debsudodpkg-icuda-repo-ubuntu2404-13-2-local_13.2.1-595.58.03-1_amd64.debsudocp/var/cuda-repo-ubuntu2404-13-2-local/cuda-*-keyring.gpg /usr/share/keyrings/sudoapt-getupdatesudoapt-get-yinstallcuda-toolkit-13-2验证安装结果可以通过以下命令检查 CUDA 编译器版本确认安装是否成功nvcc--versionnvcc: NVIDIA(R)Cuda compiler driver Copyright(c)2005-2026 NVIDIA Corporation Built on Thu_Mar_19_11:12:51_PM_PDT_2026 Cuda compilation tools, release13.2, V13.2.78 Build cuda_13.2.r13.2/compiler.37668154_0如果要卸载 nvidia-cuda-toolkit‌sudoaptremove--purgenvidia-cuda-toolkit这个命令会卸载 nvidia-cuda-toolkit 并删除其配置文件。‌清除残留的配置文件和数据‌sudoaptautoremovesudoaptautoclean这些命令会移除不再需要的包和清除下载文件的存档。2、安装 cuDNNcuDNN 是基于 CUDA 构建的深度学习 GPU 加速库。在安装前建议先安装必要的依赖包 zlib1gsudoapt-getinstallzlib1g安装cuDNNwgethttps://developer.download.nvidia.com/compute/cudnn/9.24.0/local_installers/cudnn-local-repo-ubuntu2604-9.24.0_1.0-1_amd64.debsudodpkg-icudnn-local-repo-ubuntu2604-9.24.0_1.0-1_amd64.debsudocp/var/cudnn-local-repo-ubuntu2604-9.24.0/cudnn-*-keyring.gpg /usr/share/keyrings/sudoapt-getupdatesudoapt-get-yinstallcudnn先安装miniconda# 1. 获取最新版本的minicondacurl-Ohttps://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh# 2. 安装minicondabash~/Miniconda3-latest-Linux-x86_64.sh# 3. 刷新环境source~/.bashrc在conda下创建一个test环境conda create-ntestpython3.13conda activatetest安装torchpip3installtorch torchvision --index-url https://download.pytorch.org/whl/cu132验证CUDA和cuDNN安装是否成功importtorchprint(PyTorch版本,torch.__version__)print(CUDA是否可用,torch.cuda.is_available())print(CUDA版本,torch.version.cudaiftorch.cuda.is_available()elseNone)iftorch.cuda.is_available():print(GPU设备,torch.cuda.get_device_name(0))print(GPU数量,torch.cuda.device_count())输出PyTorch版本2.12.1cu132 CUDA是否可用TrueCUDA版本13.2GPU设备 NVIDIA GeForce RTX5060Ti GPU数量1继续fromtorch.backendsimportcudnnprint(cudnn.is_available())print(torch.backends.cudnn.version())输出True92000说明 5060 Ti 显卡和深度学习环境已完美配置成功。