ubuntu 20.04 安装cudnn

如何在 Ubuntu 20.04 上安装 cuDNN
要在 Ubuntu 20.04 上成功安装 cuDNN，可以按照以下说明操作：
配置环境
确保已正确安装 NVIDIA 显卡驱动程序和 CUDA 工具包。可以通过运行 nvcc --version 和 nvidia-smi 命令来验证 CUDA 和显卡驱动的状态。
下载 cuDNN 软件包
访问 cuDNN 的官方下载页面[^4]，选择适合的操作系统（Ubuntu）、架构（x86_64）以及目标版本（如 CUDA 11.x 或 12.x）。登录 NVIDIA 开发者账户后即可获取软件包链接。
解压并安装 deb 文件
下载完成后，通过终端进入保存文件的目录，并执行以下命令完成安装：
sudo dpkg -i cudnn-local-repo-ubuntu2004-<version>_1.0-1_amd64.deb
登录后复制
其中 <version> 是具体的 cuDNN 版本号，例如 8.8.1.3[^2]。
更新 APT 缓存
为了使新添加的本地仓库生效，需更新系统的APT缓存：
sudo apt update
登录后复制
安装 cuDNN 库
接着安装实际所需的库文件及其开发头文件：
sudo apt install libcudnn8
sudo apt install libcudnn8-dev
登录后复制
如果遇到依赖项缺失的情况，则可能需要额外安装一些辅助工具或库，比如 FreeImage 支持组件[^3]:
sudo apt install libfreeimage3 libfreeimage-dev
登录后复制
设置权限
某些情况下还需要赋予特定路径下的头文件与动态链接库相应的可执行权限[^5]：
sudo chmod +x /usr/local/cuda/include/cudnn*.h
sudo chmod +x /usr/local/cuda/lib64/libcudnn*
登录后复制
测试安装是否成功
最后一步非常重要——确认 cuDNN 是否正常工作。通常推荐编写一段简单的 Python 脚本来加载 PyTorch 并检测 GPU 加速功能是否可用；或者直接调用 C++ API 进行测试。
import torch
print(torch.cuda.is_available()) # 输出 True 表明支持GPU计算
print(torch.backends.cudnn.version()) # 返回当前使用的cuDNN版本号字符串形式表示
登录后复制