【PaddlePaddle】手把手教学：在Ubuntu22.04上配置CUDA12.2环境并源码编译PaddlePaddle

1. 环境准备：Ubuntu 22.04基础配置

在开始PaddlePaddle的源码编译之前，我们需要先搭建好基础环境。Ubuntu 22.04 LTS作为长期支持版本，提供了稳定的系统基础。我建议使用物理机直接安装Ubuntu系统，这样能避免WSL可能带来的兼容性问题。如果你确实需要使用WSL，可以参考微软官方文档进行配置，但要注意选择WSL2以获得更好的性能。

首先更新系统软件源是个好习惯。我习惯使用清华源，速度稳定且更新及时。执行以下命令备份原有源配置：

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

然后用vim或nano编辑sources.list文件，替换为以下内容：

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse deb http://security.ubuntu.com/ubuntu/ jammy-security main restricted universe multiverse

更新软件包列表并升级现有软件：

sudo apt update && sudo apt upgrade -y

这个步骤可能需要10-20分钟，取决于你的网络速度。完成后建议重启系统确保所有更新生效。我在实际配置中发现，跳过这步有时会导致后续安装的依赖版本不匹配。

2. 安装必备编译工具链

PaddlePaddle的编译需要完整的工具链支持。根据官方文档要求，我们需要准备以下组件：

• GCC 8.2+（推荐11.4）
• G++ 对应GCC版本
• CMake 3.27（实测3.16会导致CUDA标准设置错误）

安装GCC和G++：

sudo apt install gcc-11 g++-11 -y

设置默认版本（如果系统中有多个版本）：

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

验证安装：

gcc --version g++ --version

对于CMake，Ubuntu 22.04默认仓库中的版本较旧，我们需要手动安装3.27版本：

wget https://cmake.org/files/v3.27/cmake-3.27.0-linux-x86_64.tar.gz tar -zxvf cmake-3.27.0-linux-x86_64.tar.gz sudo mv cmake-3.27.0-linux-x86_64 /opt/cmake-3.27.0 sudo ln -s /opt/cmake-3.27.0/bin/cmake /usr/local/bin/cmake

检查CMake版本：

cmake --version

我遇到过CMake路径问题导致编译失败的情况，建议通过which cmake确认路径是否正确。如果出现问题，可以尝试在.bashrc中添加PATH变量：

export PATH=/opt/cmake-3.27.0/bin:$PATH

3. CUDA 12.2与cuDNN安装配置

PaddlePaddle的GPU版本需要CUDA和cuDNN支持。这里选择CUDA 12.2作为演示版本，因为它提供了良好的兼容性和性能。

首先安装CUDA Toolkit：

wget https://developer.download.nvidia.com/compute/cuda/12.2.2/local_installers/cuda_12.2.2_535.104.05_linux.run sudo sh cuda_12.2.2_535.104.05_linux.run

安装时注意：

1. 取消勾选NVIDIA驱动（如果已安装最新驱动）
2. 确保CUDA Toolkit被选中
3. 安装完成后会提示添加环境变量

配置CUDA环境变量：

echo 'export PATH=/usr/local/cuda-12.2/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc

验证CUDA安装：

nvcc --version

接下来安装cuDNN。需要先到NVIDIA官网下载对应版本（这里使用8.9.4.25）：

tar -xvf cudnn-linux-x86_64-8.9.4.25_cuda12-archive.tar.xz sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include/ sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

最后安装NCCL库：

sudo apt install -y libnccl2=2.18.3-1+cuda12.2 libnccl-dev=2.18.3-1+cuda12.2

我在实际安装过程中遇到过符号链接问题，可以通过重建链接解决：

sudo ldconfig

4. Python环境与依赖项配置

虽然Ubuntu自带Python3，但我推荐使用Anaconda管理Python环境，这样可以避免系统Python被污染。下载并安装Anaconda：

wget https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh bash Anaconda3-2023.09-0-Linux-x86_64.sh

按照提示完成安装后，创建专用环境：

conda create -n paddle python=3.11 -y conda activate paddle

安装必要的Python包：

pip install numpy protobuf wheel

配置Python环境变量，这是编译PaddlePaddle的关键步骤：

export PYTHON_INCLUDE_DIRS=$(python -c "from distutils.sysconfig import get_python_inc; print(get_python_inc())") export PYTHON_LIBRARY=$(python -c "import distutils.sysconfig as sysconfig; print(sysconfig.get_config_var('LIBDIR'))")/libpython3.11.so export PATH=$(dirname $(which python)):$PATH

建议将这些变量添加到.bashrc中，避免每次都需要重新设置。我曾在环境变量配置上浪费过不少时间，特别是PYTHON_LIBRARY路径不正确会导致编译失败。

5. 获取PaddlePaddle源码并编译

现在我们可以开始获取PaddlePaddle源码并进行编译了。首先克隆仓库：

git clone https://github.com/PaddlePaddle/Paddle.git cd Paddle git checkout develop

初始化子模块（这步可能需要较长时间）：

git submodule update --init --recursive

创建构建目录并配置编译选项：

mkdir build && cd build cmake .. -DPYTHON_EXECUTABLE=$(which python) \ -DPYTHON_INCLUDE_DIR=$PYTHON_INCLUDE_DIRS \ -DPYTHON_LIBRARY=$PYTHON_LIBRARY \ -DWITH_GPU=ON \ -DWITH_TESTING=OFF \ -DCMAKE_BUILD_TYPE=Release

这里有几个关键点需要注意：

1. 确保PYTHON相关路径正确指向conda环境中的路径
2. WITH_GPU=ON表示启用GPU支持
3. WITH_TESTING=OFF可以跳过测试以加快编译速度

开始编译（使用所有CPU核心）：

make -j$(nproc)

编译过程可能需要1-3小时，取决于你的硬件配置。我建议在性能较好的机器上执行此操作，16GB内存是基本要求，32GB会更顺畅。如果遇到内存不足的问题，可以减少并行编译任务数：

make -j4 # 使用4个核心

编译完成后，生成的whl包位于build/python/dist目录下：

pip install build/python/dist/paddlepaddle_gpu-0.0.0-cp311-cp311-linux_x86_64.whl

验证安装：

import paddle paddle.utils.run_check()

如果看到"PaddlePaddle is installed successfully!"的提示，恭喜你完成了整个编译过程！

6. 常见问题与解决方案

在实际编译过程中，可能会遇到各种问题。这里分享几个我遇到过的典型问题及解决方法：

问题1：git子模块更新失败

解决方案：手动修改.gitmodules文件，将https协议改为git协议：

[submodule "third_party/protobuf"] path = third_party/protobuf url = git@github.com:protocolbuffers/protobuf.git

然后执行：

git submodule sync git submodule update --init --recursive

问题2：编译时内存不足

解决方法：

1. 增加swap空间：

sudo fallocate -l 8G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile

2. 减少并行编译任务数：

make -j2

问题3：CUDA相关错误

解决方法：

1. 确认CUDA和cuDNN版本匹配
2. 检查环境变量是否正确设置
3. 确保GPU驱动版本支持CUDA 12.2

问题4：Python包导入错误

解决方法：

1. 确认安装的whl包与Python版本匹配
2. 检查conda环境是否激活
3. 尝试重新安装依赖项：

pip install -r requirements.txt

在整个编译过程中，保持耐心很重要。遇到问题时，建议先查看错误日志，通常会有明确的提示。PaddlePaddle的GitHub Issues区也是很好的问题解决资源。