【笔记】NVIDIA AI Workbench 中安装 CUDA 12.9

安装 NVIDIA AI Workbench 之后 ，我们还得到一个WSL-Linux子系统，如果想利用该子系统进行深度学习等尝试，就需要为其搭建深度学习环境，以下是从CUDA开始的记录，关于在该子系统中进行 Anaconda 的安装请查看往期笔记。该子系统与其他WSL子系统的前期配置稍有不同，需要额外的sudo权限和密码的配置操作（见文内参考资料）。以下是完整的CUDA 12.9安装过程：

一、前置条件

（一）安装 NVIDIA AI Workbench

【笔记】NVIDIA AI Workbench 安装记录-CSDN博客

 

（二）配置 sudo 权限（密码） 

 【笔记】NVIDIA AI Workbench 中 sudo 密码问题排查与解决-CSDN博客

Windows系统中的PowerShell中执行： 

wsl -u root -d NVIDIA-Workbench

passwd workbench

usermod -aG sudo workbench

groups workbench

su - workbench

以下是针对这些命令的详细注释，帮助我们理解每个步骤的目的：

# 在 Windows 系统的 PowerShell 中执行以下命令# 使用 WSL (Windows Subsystem for Linux) 以 root 用户身份登录到名为 NVIDIA-Workbench 的发行版
# 这允许您绕过普通用户的权限限制，直接进行系统级更改
wsl -u root -d NVIDIA-Workbench# 设置或重置 workbench 用户的密码
# 在提示输入新 UNIX 密码时，请输入并确认一个新密码
passwd workbench# 将 workbench 用户添加到 sudo 组中
# 这赋予了 workbench 用户使用 sudo 执行需要管理员权限的命令的能力
usermod -aG sudo workbench# 查看 workbench 用户所属的所有组
# 应该包括 'sudo' 组，表明用户现在拥有 sudo 权限
groups workbench# 切换到 workbench 用户
# 需要输入之前设置的 workbench 用户密码来完成切换
su - workbench

 

 

 二、安装 CUDA 12.9

（一）打开NVIDIA-Workbench

 

 （二）验证与系统GPU的连通性

nvidia-smi

 

 

 （三）安装 CUDA

1、 确定CUDA的安装命令

在CUDA 官网如下图如示确定安装命令： 

CUDA Toolkit 12.9 Update 1 Downloads | NVIDIA Developer 

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda-toolkit-12-9

 

 

 2、执行安装

复制命令粘贴到窗口执行安装：

 

3、配置环境变量

安装完成后，需要设置相应的环境变量以便系统能找到 CUDA 库和头文件。

（1）编辑 .bashrc 文件

 打开 .bashrc 文件，命令：

nano ~/.bashrc

 

（2）按键盘上的 ↑ ↓ 箭头移动在文件末尾添加以下内容：

复制过去粘贴 

# 设置 CUDA 路径
export PATH=/usr/local/cuda-12.9/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.9/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

保存并退出编辑器（按 Ctrl+X，然后按 Y 确认保存，最后按 Enter）。

 

（3）使更改生效

source ~/.bashrc

 

（四）验证 CUDA 是否正确安装：

nvcc --version# 或者
nvcc -V

如果显示了 CUDA 编译器版本信息，则说明安装成功。

 

 

安装完成后同样会生成一些组件的快捷图标： 

 

 

三、安装CUDA驱动程序

（一）检查驱动程序是否正常 

安装完CUDA12.9后会发现nvcc -V命令输出已经正确，但我们安装前验证过的nvidia-smi命令此时已经输出异常：

（二）获取安装命令

此时我们需要安装CUDA官方提供的驱动程序：

 

 

#Driver Installer	
#NVIDIA Driver Instructions (choose one option)#To install the open kernel module flavor:
sudo apt-get install -y nvidia-open#To install the proprietary kernel module flavor:
sudo apt-get install -y cuda-drivers

 

（三）关于命令的选择

关于命令的选择请参考我之前的文章，因篇幅有限，恕在此不再赘述

简而言之是如果不熟悉的话，推荐第1条命令（更新快、支持好）；如果想更好的兼容CUDA则可用第2条命令。无论选哪条命令都几乎不影响功能的使用。

第二章、第（一）段 中的 第 7 节 

在WSL2-Ubuntu中安装CUDA12.8、cuDNN、Anaconda、Pytorch并验证安装_cuda 12.8 pytorch版本-CSDN博客 

 

 

 

（四）安装驱动程序

 

sudo apt-get install -y nvidia-open

或者：

sudo apt-get install -y cuda-drivers

（五）再次验证 nvidia-smi 命令：

安装完成后再次验证 nvidia-smi 命令：

nvidia-smi

 

五、总结与后续步骤​

（一）安装完成标志：​

1、 nvcc -V 正确显示版本号。

2、 nvidia-smi 无报错。​

3、 环境变量已写入 .bashrc，并通过 source 生效。​

（二）下一步操作：​

1、安装 cuDNN 9.10.2（现已无需登录 NVIDIA 开发者账号）。​

2、配置深度学习框架（如 PyTorch、TensorFlow），验证 GPU 加速功能（见后续笔记）。