50系显卡在Ubuntu22.04环境下安装nvidia驱动+CUDA+cuDNN，anaconda下配置pytorch环境一站式解决方案（2025年7月版本）已完结！！！

前言

一、安装环境介绍

二、nvidia显卡驱动安装

2.1查看显卡型号（不重要可略过）

5.1torch,torchvision,python版本对应关系

5.2建立anaconda虚拟环境

5.3pytorch安装

六、pycharm环境配置

前言

由于项目需要，实验室更新50系显卡若干，深度学习炼丹准备中，由于50系显卡使用新架构，故驱动安装与之前相比有亿点点不一样，对驱动版本要求较之前更为严格。

本文以博主本人的踩坑经历整合凝练而成，旨在手把手帮助使用50系显卡的你减少在驱动安装过程中浪费的时间，尽快完成深度学习环境搭建。

一、安装环境介绍

博主本人使用设备有两台，分别是RTX5090，操作系统为win11+Ubuntu22.04双系统，以及RTX5070，操作系统为win10+Ubuntu22.04双系统，本文所有步骤均在两个设备中成功实现，可放心食用。

二、nvidia显卡驱动安装

nvidia显卡驱动安装有多种途径，比如可以使用ubuntu 系统自带的"软件和更新"程序-附加驱动更新进行驱动安装，或使用apt命令指定版本安装，本文展示的方法仅为官网下载驱动安装方法，其他方法读者可自行探索，本文不作赘述。

2.1查看显卡型号（不重要可略过）

终端输入代码

bash 复制代码

lspci | grep -i vga

根据输出信息2b85查询显卡型号，网址：PCI devices，结果如下图

可以看到显卡型号为Geforce RTX 5090

2.2显卡驱动下载

NVIDIA驱动官方下载地址：下载 NVIDIA 官方驱动 | NVIDIA

根据自己设备型号及操作系统选择相应版本，结果如下：

点击查找，会自动列出所有适用版本驱动，这里我们选择570.153.02版本驱动。

点击查看驱动，即可跳转详情页面，点击下载，等待完成。

至此驱动安装准备工作完成。

2.3显卡驱动安装（重要）

首先安装所需包，依赖，依次输入以下代码

bash 复制代码

sudo apt-get update
sudo apt-get install g++
sudo apt-get install gcc
sudo apt-get install make

禁用系统自带驱动，防止与新驱动发生冲突

终端输入：

bash 复制代码

sudo vim /etc/modprobe.d/blacklist.conf

在文档末尾添加以下语句：

bash 复制代码

blacklist nouveau
options nouveau modeset=0

添加完成后使用:q退出并保存文档

更新文件，终端输入：

bash 复制代码

sudo update-initramfs -u

此时终端输入reboot重启系统

bash 复制代码

sudo reboot

PS：如果这一步没有安装vim的友友，可以使用以下命令安装：
bash 复制代码
sudo apt install vim

查看 nouveau是否禁用成功，终端输入：

bash 复制代码

lsmod | grep nouveau

如果没有返回值，则说明禁用成功。

在驱动下载位置打开新终端，安装驱动。

首先授予文件权限，终端输入：

bash 复制代码

sudo chmod 777 NVIDIA-Linux-x86_64-550.78.run

运行安装程序，终端输入：

bash 复制代码

sudo ./NVIDIA-Linux-x86_64-550.78.run

安装程序成功运行的话会出现以下界面，按照图片顺序依次选择，千万不要选错！！！！

如果顺利的话到这一步驱动已经成功安装！！！

PS:极少数情况会在安装过程中发生报错，检查日志，如果发现出现 cc: error: unrecognized command-line option '-ftrivial-auto-var-init=zero，大概率是gcc版本不匹配，可以直接参考这篇博文解决安装Nvidia驱动出现报错 cc: error: unrecognized command-line option '-ftrivial-auto-var-init=zero'解决_cc: error: unrecognized command-line option '-ftri-CSDN博客

接下来验证驱动是否已经成功安装，终端输入：

bash 复制代码

nvidia-smi

如果成功安装会出现以下界面：

列表中会显示显卡型号及驱动版本以及CUDA限制版本。

此时一定不要直接重启系统，否则会出现黑屏情况，如果你不想被左上角跳动的横线闪到破防，请跟着我进行安装过程中最重要的一步！！！！

安装lightdm显示管理器，终端输入：

bash 复制代码

sudo apt-get install lightdm

正常安装完成会自动提示选择默认显示管理器，如下图：

选择lightdm为默认显示管理器，回车退出。

如果没有自动触发，可以输入以下代码触发：

bash 复制代码

sudo dpkg-reconfigure lightdm

保险起见，直接禁用gdm3

bash 复制代码

sudo service gdm3 stop

此时可以放心重启，终端输入：

bash 复制代码

sudo reboot

重启后正常进入图形化界面，再次验证驱动安装是否成功。

终端输入：

bash 复制代码

nvidia-smi

安装成功！！！

碎碎念：这一步可能是困扰各位最久的部分，博主刚开始装驱动在这一步差点被气到破防，但是由于有装cartographer的经历（装过的都懂），也就重装了五次系统而已，使用 lightdm的原因是它较gdm3而言有兼容性更强，反复测试过程中再也没有出现黑屏卡死情况。

三、CUDA+cuDNN安装

50系显卡目前支持CUDA最低版本为12.8，本文安装版本选择CUDA12.8，安装方式采用run文件安装，这种方式虽然较为繁琐，但较为稳定。

3.1CUDA下载

CUDA官方下载链接：CUDA Toolkit Archive | NVIDIA Developer

这里版本选择12.8.1，进入下载界面并选择相应的操作系统与版本，系统会自动生成下载及安装命令。

按照官方提供的代码下载CUDA，终端输入：

bash 复制代码

wget https://developer.download.nvidia.com/compute/cuda/12.8.1/local_installers/cuda_12.8.1_570.124.06_linux.run

3.2CUDA安装

在下载目录打开新终端，执行安装命令：

bash 复制代码

sudo sh cuda_12.8.1_570.124.06_linux.run

等待一段时间（大概三分钟），会出现下图界面，在光标处输入accept进入安装程序

由于我们已经手动安装了显卡驱动，故需要将驱动安装选项手动关闭，如下图

完成操作后选择install开始安装，等待安装完成。此时使用nvcc -V命令查看CUDA安装版本会出现以下报错：

此时不要慌，进行下一步。

3.3环境变量配置

使用vim打开bashrc文件

bash 复制代码

sudo vim ~/.bashrc

在末尾添加如下语句：

bash 复制代码

export PATH="/usr/local/cuda-12.8/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-12.8/lib64:$LD_LIBRARY_PATH"

添加后退出并保存，更新环境变量：

bash 复制代码

source ~/.bashrc

此时再次输入以下命令，即可正常显示CUDA版本：

bash 复制代码

nvcc -V

至此CUDA安装完成。

3.4cuDNN下载

cuDNN官方下载地址：cuDNN Archive | NVIDIA Developer

由于我们使用的CUDA版本为12.8，故直接选择第一个版本V8.9.7进行下载：

cuDNN有两种安装方式，这里我们选择下载tar方式，点击linux版本安装包进行下载。

PS：在这一步中会强制要求注册NVIDIA账户才能下载，拿邮箱随便注册一个就好了。

验证NVIDIA账户后文件会自动下载，等待下载完成，下载结束会得到一个tar压缩包。

3.5cuDNN安装

在文件下载位置开启新终端，输入以下命令进行解压：

bash 复制代码

tar -xvf cudnn-linux-x86_64-8.9.7.29_cuda12-archive.tar.xz

解压后得到一个文件夹，接下来要将所需文件复制到cuda文件夹中，由于目标文件夹需要更高级权限，所以不能直接复制粘贴，运行以下命令进行复制操作：

bash 复制代码

sudo cp cudnn-linux-x86_64-8.9.7.29_cuda12-archive/include/cudnn* /usr/local/cuda-12.8/include

bash 复制代码

sudo cp -P cudnn-linux-x86_64-8.9.7.29_cuda12-archive/lib/libcudnn* /usr/local/cuda-12.8/lib64

复制完成后赋予文件权限：

bash 复制代码

sudo chmod a+r /usr/local/cuda-12.8/include/cudnn*.h /usr/local/cuda-12.8/lib64/libcudnn*

输入以下命令检查cuDNN安装情况：

bash 复制代码

cat /usr/local/cuda-12.8/include/cudnn.h | grep CUDNN_MAJOR -A 2

如果无返回值，输入以下命令：

bash 复制代码

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

会得到以下输出结果，本次安装版本为8.9.7：

到此cuDNN安装完成。

四、anaconda安装

4.1anaconda下载

anaconda官方下载页面：Download Now | Anaconda

ananconda有两个版本，如果内存较小建议安装miniconda，节省内存。

下载Linux版本anaconda：

4.2anaconda安装

下载完成后移动到下载目录运行以下代码开始安装：

bash 复制代码

sudo bash Anaconda3-2025.06-0-Linux-x86_64.sh

以下界面输入yes回车开始安装：

接下来这里系统会默认选择一个安装位置，如果想指定安装目录，需要手动输入安装位置，并回车确认：

安装过程中出现yes/no选项一律输入yes，直到安装成功：

4.3环境变量配置

安装完成后，需要配置环境变量，还是使用相同命令打开bashrc文件：

bash 复制代码

sudo vim ~/.bashrc

最后一行依旧加入anaconda安装目录，按自己的安装目录进行添加，我的如下：

bash 复制代码

export PATH="/home/ubuntu/anaconda3/bin:$PATH"

添加完成后保存并退出，使用以下命令更新环境变量：

bash 复制代码

source ~/.bashrc

验证conda安装是否成功，终端输入：

bash 复制代码

conda --version

输出conda版本表示安装成功。

五、pytorch安装

在Ubuntu下安装pytorch同样有多种方式，包括pip安装，conda安装，whl文件安装等，使用者可以选择自动安装或手动指定版本的方式进行安装。

本文仅提供执行官网自动生成的pip安装指令的方法，以Python3.10环境为例进行自动安装，有其他需求的读者可自行探索。

5.1torch,torchvision,python版本对应关系

RTX50系显卡作为NVIDIA推出的基于新架构的GPU产品，机器学习框架需要相应地更新以支持这些硬件。目前对于50系显卡来说，Pytorch只适配了Preview(Nightly)版本，常规的Stable版不能使用，如果安装老版本驱动，会出现报错。

原因为PyTorch稳定版的预编译二进制文件不支持sm_120计算能力。RTX 50系显卡采用了较新的架构，需要更新的CUDA版本以及对应的PyTorch版本才能正常工作。

torch,torchvision,python版本对应关系如下：

|---------|---------------|---------------|
| torch版本 | torchvision版本 | 支持的Python版本 |
| nightly | nightly | >=3.9,<3.13 |
| 2.5 | 0.20 | >=3.9,<3.13 |
| 2.4 | 0.19 | >=3.8,<3.13 |
| 2.3 | 0.18 | >=3.8,<3.13 |
| 2.2 | 0.17 | >=3.8,<3.13 |
| 2.1 | 0.16 | >=3.8,<3.13 |
| 2.0 | 0.15 | >=3.8,<3.13 |

需要注意的是， nightly版本pytorch只支持Python3.9及以上的版本，创建虚拟环境的时候要多加注意，且老版本的项目也无法在环境下运行！！

CUDA12.8对应nightly版本pytorch下载网址：https://download.pytorch.org/whl/nightly/cu128https://download.pytorch.org/whl/nightly/cu128

5.2建立anaconda虚拟环境

首先介绍几个常用的conda命令，记住这几条就可以满足日常使用。

conda create --name env_name #建立新环境

conda create --name env_name python=3.x # 创建指定python版本

activate env_name #激活指定环境

deactivate #退出当前环境

conda remove --name env_name --all #删除指定环境

conda env list #列出已存在的所有环境

conda list #列出当前环境安装的所有包及其版本

输入以下命令建立指定Python版本为3.10的虚拟环境cp310：

bash 复制代码

conda create -n cp310 python=3.10

激活该环境：

bash 复制代码

conda activate cp310

正常激活后命令行开头会出现（cp310）字样，表明你已经处于这个环境中，如下图所示：

有概率出现以下报错：CondaError: Run 'conda init' before 'conda activate'

提醒我们在使用 conda activate 激活环境之前，需要先对 Conda 进行初始化。

解决方法也很简单，终端输入：

bash 复制代码

conda init "$(basename "${SHELL}")"

该命令会自动执行初始化操作，之后打开新终端输入激活命令，即可正常使用。

至此虚拟环境建立成功。

5.3pytorch安装

打开pytorch官网查看安装命令：Get StartedSet up PyTorch easily with local installation or supported cloud platforms.https://pytorch.org/get-started/locally/

依次选择nightly版本，Linux操作系统，pip安装方式，Python语言，CUDA12.8版本，选择完成后系统会自动生成pip安装命令，复制安装命令备用。

打开一个新终端，首先查看已存在的环境：

bash 复制代码

conda env list

进入创建好的cp310环境：

bash 复制代码

conda activate cp310

输入上一步复制的自动安装命令：

bash 复制代码

pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu128

该命令会自动寻找并下载最新版本的相关安装包并自动安装torch，torchvision，torchaudio。安装时间较长，请耐心等待安装完成。

另外再次提醒读者，安装pytorch所需内存空间较大，安装前请务必确认留足存储空间！！！

安装完成后终端输入python进入环境：

bash 复制代码

python

加载pytorch，注意这里命令是torch而不是pytorch：

bash 复制代码

import torch

使用以下命令查看pytorch是否安装成功：

bash 复制代码

torch.cuda.is_available()

终端输出True则说明pytorch已成功安装。

使用以下命令查看环境中所有的包：

bash 复制代码

conda list

从上图中可以看到，torch版本为2.9.0，torchvision版本为0.24.0，torchaudio版本为2.8.0，至此pytorch安装成功。

经过验证，上述安装步骤在Python3.9，Python3.11环境中均适用：

六、pycharm上部署pytorch

首先安装社区版pycharm，具体过程不再赘述，可参考此篇博文：

Ubuntu22.04下的pycharm安装https://blog.csdn.net/m0_74115845/article/details/142035764 新建项目，添加解释器：

这里选择自定义环境->选择现有->类型选择conda->路径默认为conda安装路径->环境选项可选择在conda下已建立的所有环境，这里选择cp310环境，即Python版本为3.10的环境，读者可根据需求自行建立环境并选择。

此时在设置中选择Python解释器设置，可以看到项目已加载名为cp310的解释器：

至此在pycharm上部署pytorch成功。