Ubuntu深度学习环境：TensorFlow与PyTorch GPU安装避坑

Ubuntu配置深度学习环境（TensorFlow和PyTorch）这件事，我前后在实验室、公司和自己的笔记本上折腾过不下二十次。有人觉得不就是几条pip命令吗，真正上手才发现：显卡驱动、CUDA、cuDNN、conda、pip、TensorFlow、PyTorch，每一层都可能互相卡版本。这篇文章不打算只给你一串命令，而是把我在Ubuntu 20.04、22.04、24.04上反复验证过的流程、版本选择和排错经验完整摊开。无论你是刚装完Ubuntu系统，准备搭第一套PyTorch环境，还是想让TensorFlow和PyTorch在同一台机器上共存，都能按这里的步骤直接抄作业。虚拟机、双系统、WSL、Docker这些场景也会顺带讲清楚，避免你在一个坑里反复重装。

1. 先想清楚：Ubuntu配置深度学习环境到底在配什么

1.1 驱动、CUDA、cuDNN、框架四层关系

很多人一上来就搜“PyTorch安装教程GPU”，结果命令执行完发现torch.cuda.is_available()返回False，于是开始怀疑人生。问题通常不在PyTorch本身，而在下面这四层没有对齐。

第一层是NVIDIA显卡驱动。它负责让Ubuntu认到显卡，nvidia-smi能跑起来是底线。驱动版本决定了你的机器最高能支持到哪个CUDA运行时版本。注意，nvidia-smi右上角显示的“CUDA Version”是驱动支持的最高版本，不是你系统里已经安装的CUDA版本。这一点我见过太多人误解。

第二层是CUDA Toolkit。严格说，PyTorch的pip wheel和conda包通常会自带所需的CUDA运行时，不一定依赖系统级CUDA。但TensorFlow 2.x的GPU版大多需要系统里安装匹配的CUDA和cuDNN。所以如果你只玩PyTorch，系统CUDA可以少折腾；如果TensorFlow也要GPU，系统CUDA和cuDNN就得认真装。

第三层是cuDNN。这是NVIDIA的深度学习加速库，TensorFlow对它的版本非常敏感。cuDNN版本不对，典型报错就是Could not load dynamic library 'libcudnn.so.8'，或者GPU识别不到。

第四层才是TensorFlow和PyTorch。它们各自对Python版本、CUDA版本、cuDNN版本有要求。我的经验是：先确定框架版本，再倒推CUDA和cuDNN，最后看驱动够不够。顺序反了，就会陷入“驱动装了最新版，结果TensorFlow不支持”的尴尬。

1.2 为什么我建议用Miniconda做隔离

裸pip安装不是不行，但我不推荐。原因很简单：TensorFlow和PyTorch对依赖版本的要求经常打架。比如某个项目需要TensorFlow 2.15，另一个项目需要PyTorch 2.1，它们可能依赖不同版本的NumPy、protobuf、typing-extensions。你在系统Python里混装，迟早会遇到“装完PyTorch，TensorFlow坏了”的情况。

Miniconda的好处是环境隔离。你可以给TensorFlow建一个环境，给PyTorch建另一个环境，互不干扰。需要哪个就conda activate哪个，切换成本很低。Anaconda当然也可以，但它预装了大量用不到的包，体积大、下载慢。Miniconda更干净，适合自己从零搭深度学习环境。

另外，conda不仅能管Python包，还能管CUDA Toolkit、cuDNN这类非Python依赖。比如conda install pytorch-cuda=12.1会帮你把匹配的CUDA运行时装进环境里，省去手动配置LD_LIBRARY_PATH的麻烦。当然，pip安装PyTorch也很成熟，后面我会对比两种方式。

1.3 版本选择：先定框架，再定CUDA，最后看驱动

下面这张表是我根据常见稳定组合整理的，实际安装时以TensorFlow和PyTorch官网为准。注意，我刻意避开“最新版一定最好”的思路，因为深度学习框架的新版本经常刚发布就有一堆兼容问题。

选择逻辑：如果你的显卡驱动比较新，nvidia-smi显示支持CUDA 12.4，那你可以装PyTorch的cu124版本，也可以装TensorFlow 2.15要求的CUDA 12.2。但如果驱动只支持到CUDA 11.8，就别硬上TensorFlow 2.15的CUDA 12.2，要么升级驱动，要么降TensorFlow版本。

1.4 装之前先确认这五件事

动手之前，我习惯先跑一遍检查清单，能省掉很多返工。

• 显卡型号：lspci | grep -i nvidia，确认是NVIDIA卡，不是AMD或Intel核显。
• 系统版本：lsb_release -a，Ubuntu 20.04、22.04、24.04都行，但驱动安装命令略有差异。
• 内核版本：uname -r，某些新内核和旧驱动不兼容。
• 是否开启Secure Boot：mokutil --sb-state，开启后安装第三方驱动需要设置MOK密码。
• 磁盘空间：df -h，深度学习环境加上数据集，建议至少留50GB。

这五件事确认完，再开始装驱动。不要一边装驱动一边装框架，出问题很难定位。

2. Ubuntu系统准备：从裸机到能跑nvidia-smi

2.1 系统版本与基础更新

如果你刚装完Ubuntu，第一件事是更新软件源。我一般用清华或阿里云镜像，速度比默认源快很多。编辑/etc/apt/sources.list，把archive.ubuntu.com和security.ubuntu.com替换成镜像地址。Ubuntu 22.04之后的版本，源文件可能在/etc/apt/sources.list.d/ubuntu.sources，格式是deb822，改的时候注意语法。

更新命令：

sudo apt update sudo apt upgrade -y sudo apt install build-essential cmake git wget curl vim -y

build-essential包含gcc、g++、make，很多Python包编译时需要。cmake版本问题后面会讲，先用apt装一个够用的版本。如果你遇到ubuntu安装gcc失败，大概率是源没配好或者依赖冲突，先sudo apt update再sudo apt install --fix-broken。

Ubuntu 24.04默认Python是3.12，有些老框架还不支持。如果要用TensorFlow 2.15，建议用Miniconda装Python 3.10或3.11。不要试图降级系统Python，会搞坏系统工具。

2.2 安装NVIDIA驱动：ubuntu-drivers和手动安装的取舍

Ubuntu装NVIDIA驱动有两种主流方式：apt/ubuntu-drivers和NVIDIA官方runfile。我90%的情况推荐第一种，省事、和内核更新配合好。

先查看推荐驱动：

sudo apt update sudo apt install ubuntu-drivers-common -y ubuntu-drivers devices

输出里会列出driver: nvidia-driver-535 - third-party free recommended之类的信息。推荐版本通常是经过Ubuntu测试的。直接自动安装：

sudo ubuntu-drivers autoinstall

或者指定版本：

sudo apt install nvidia-driver-535 -y

安装完必须重启：

sudo reboot

重启后运行nvidia-smi，如果看到显卡型号、驱动版本、显存占用，说明驱动OK。

什么时候用手动runfile？通常是apt源里的驱动太旧，或者你需要特定版本。手动安装前要禁用nouveau，否则会冲突。步骤：

sudo bash -c "echo 'blacklist nouveau' > /etc/modprobe.d/blacklist-nouveau.conf" sudo bash -c "echo 'options nouveau modeset=0' >> /etc/modprobe.d/blacklist-nouveau.conf" sudo update-initramfs -u sudo reboot

重启后按Ctrl+Alt+F3进入文本模式，关闭图形界面：

sudo systemctl stop gdm3

然后运行NVIDIA驱动安装包，按提示走。手动安装的坑在于：每次内核升级后可能需要重装驱动，Secure Boot开启时还要签名。所以除非有特殊需求，优先用apt。

2.3 验证驱动与nouveau处理

nvidia-smi能跑不代表CUDA可用。继续检查：

nvidia-smi nvcc --version

如果nvcc找不到，说明没装CUDA Toolkit。只玩PyTorch的话，可以先不装系统CUDA。但TensorFlow GPU需要，后面再装。

检查nouveau是否真的禁用：

lsmod | grep nouveau

没有输出就是禁用了。如果有输出，说明黑名单没生效，检查/etc/modprobe.d/下的配置文件，再sudo update-initramfs -u并重启。

注意：如果你用的是Ubuntu 22.04/24.04，Secure Boot开启时，apt安装驱动会弹出MOK管理界面，让你设置密码。重启后会出现蓝色界面，选择Enroll MOK，输入密码。这一步不完成，驱动不会加载，nvidia-smi会报“No devices were found”。

2.4 周边配置：SSH、中文输入法、Docker按需处理

这些不是深度学习环境的核心，但实际用起来少不了。

SSH：如果你用Xshell或VSCode Remote连接Ubuntu，先装openssh-server：

sudo apt install openssh-server -y sudo systemctl enable ssh sudo systemctl start ssh

如果连不上，检查sudo ufw status，放行22端口：sudo ufw allow 22。还要确认IP地址：ip addr。虚拟机的话，网络模式选桥接或NAT，NAT需要端口转发。

中文输入法：Ubuntu默认有IBus，可以装拼音。如果习惯搜狗，去搜狗输入法官网下载Linux版deb包，然后sudo dpkg -i sogoupinyin.deb，缺依赖就sudo apt install -f。不过搜狗在Ubuntu 24.04上偶尔有兼容问题，我現在更多用IBus智能拼音或Fcitx5。

Docker：如果你要用容器跑深度学习，装Docker和NVIDIA Container Toolkit：

sudo apt install docker.io -y sudo systemctl enable docker sudo systemctl start docker sudo usermod -aG docker $USER

NVIDIA Container Toolkit需要添加官方仓库，然后sudo apt install nvidia-container-toolkit，重启Docker。这样docker run --gpus all才能用显卡。

虚拟机场景：VMware或VirtualBox装Ubuntu，通常无法直通NVIDIA显卡，只能跑CPU版PyTorch和TensorFlow。如果你只是学习语法、跑小模型，CPU版够用。要用GPU，建议双系统或物理机。

3. Miniconda与Python环境：让TensorFlow和PyTorch各自独立

3.1 安装Miniconda并配置镜像源

下载Miniconda：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh

安装过程中会问安装路径，默认~/miniconda3就行。安装完激活：

source ~/.bashrc conda --version

如果conda命令找不到，手动初始化：

~/miniconda3/bin/conda init bash source ~/.bashrc

配置国内镜像源，加快下载速度：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free conda config --set show_channel_urls yes

要注意，PyTorch的官方conda channel有时不在镜像里同步，安装PyTorch时可能需要临时指定-c pytorch。如果镜像源里找不到某个包，可以换回默认源，或者用pip安装。

3.2 创建独立环境与Python版本选择

给PyTorch建一个环境：

conda create -n pytorch_env python=3.10 -y conda activate pytorch_env

给TensorFlow建另一个：

conda create -n tf_env python=3.10 -y conda activate tf_env

Python版本怎么选？我的建议：

• PyTorch 2.x：Python 3.9、3.10、3.11都行，3.10最省心。
• TensorFlow 2.15：支持3.9-3.11，选3.10。
• 老项目TensorFlow 2.10：支持3.7-3.10，选3.8或3.9。

不要选太新的Python，比如3.12，很多包还没出wheel，pip会尝试源码编译，容易失败。也不要选太老的，新框架不支持。

3.3 conda和pip混用原则

这是重灾区。我的原则是：一个环境里，能用conda就用conda，不能用再用pip，并且记录安装顺序。不要交替反复装同一个包。

比如PyTorch，可以用conda装：

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

也可以用pip装：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

两种方式都可以，但不要先conda装一半，再用pip覆盖。如果你已经pip装了，发现有问题，最干净的做法是删掉环境重建：

conda deactivate conda env remove -n pytorch_env conda create -n pytorch_env python=3.10 -y

另外，pip安装时尽量加--index-url指定官方wheel源，不要用乱七八糟的第三方源，避免版本不对。如果网络慢，可以临时用清华PyPI镜像，但PyTorch的CUDA wheel通常在I/O官方源，镜像可能不全。

3.4 环境导出与迁移

环境配好后，导出依赖清单：

conda env export > environment.yml

但environment.yml里会包含本地路径和精确版本，换机器可能装不上。我更推荐导出pip清单：

pip freeze > requirements.txt

迁移时，在新机器创建空环境，然后：

pip install -r requirements.txt

注意，PyTorch的CUDA版本可能因机器驱动不同而需要调整，所以requirements.txt里最好只写torch==2.1.0，不写+cu121后缀，安装时再根据驱动选wheel。

4. PyTorch安装实操：GPU版、CPU版和验证方法

4.1 查驱动、查CUDA、查PyTorch官网命令

先跑nvidia-smi，看右上角CUDA Version。比如显示12.4，说明驱动支持到CUDA 12.4。你可以装cu121或cu124的PyTorch。如果显示11.8，就装cu118。

去PyTorch官网，选择对应的OS、Package、Language、Compute Platform，它会生成安装命令。比如Linux、pip、Python、CUDA 12.1：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

CPU版：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

conda版：

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

我实测下来，pip安装PyTorch更简单，因为wheel自带CUDA运行时，不依赖系统CUDA。conda安装有时会解析依赖很久，但好处是能统一管理。如果你只玩PyTorch，推荐pip。

4.2 conda安装与pip安装的实测对比

我自己的选择：PyTorch用pip，TensorFlow用pip+系统CUDA。这样两个环境互不干扰，PyTorch升级也方便。

安装完成后，记录版本：

python -c "import torch; print(torch.__version__)"

4.3 安装后必须做的三项验证

第一项，检查CUDA是否可用：

import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.cuda.device_count()) print(torch.cuda.get_device_name(0))

如果is_available()返回False，先别急着重装。检查：驱动是否装好，nvidia-smi是否正常，PyTorch版本是否CPU版。如果你装的是CPU wheel，那当然不支持CUDA。

第二项，跑一个张量运算：

import torch x = torch.randn(3, 3).cuda() y = torch.randn(3, 3).cuda() z = x @ y print(z)

能输出结果，说明GPU计算链路通了。

第三项，测一个小网络：

import torch import torch.nn as nn model = nn.Sequential( nn.Linear(10, 64), nn.ReLU(), nn.Linear(64, 1) ).cuda() x = torch.randn(32, 10).cuda() y = model(x) print(y.shape)

这一步能跑通，基本可以开始做PyTorch实战了，比如图像分类、Transformer训练、TD3强化学习代码。

4.4 PyTorch常见报错与处理

报错：AssertionError: Torch not compiled with CUDA enabled说明你装的是CPU版。卸载重装GPU版：

pip uninstall torch torchvision torchaudio -y pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

报错：CUDA out of memory显存不够。减小batch size，用torch.cuda.empty_cache()清理缓存，或者用梯度累积。如果是多卡，检查是否默认占用了0号卡。

报错：RuntimeError: cuDNN error: CUDNN_STATUS_NOT_INITIALIZED通常是cuDNN版本和PyTorch不匹配。pip wheel自带的cuDNN一般没问题，如果你手动装过系统cuDNN，可能冲突。建议在干净conda环境里用pip重装。

报错：nvidia-smi has failed because it couldn't communicate with the NVIDIA driver驱动掉了。可能内核更新后驱动没重新编译。重启试试，不行就重装驱动。

5. TensorFlow安装实操：2.x版本的GPU支持与兼容坑

5.1 TensorFlow与CUDA/cuDNN对应关系

TensorFlow 2.x的GPU支持比PyTorch麻烦，因为它依赖系统级CUDA和cuDNN。你必须严格按照官方对应表来。比如TensorFlow 2.15需要CUDA 12.2和cuDNN 8.9。如果你系统装的是CUDA 11.8，就装TensorFlow 2.14或2.13。

安装系统CUDA Toolkit，推荐用NVIDIA官方apt仓库：

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 update sudo apt install cuda-toolkit-12-2 -y

安装cuDNN：

sudo apt install libcudnn8=8.9.* libcudnn8-dev=8.9.* -y

如果apt里找不到精确版本，可以去NVIDIA官网下载对应版本的tar包，解压后复制到CUDA目录。配置环境变量：

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：

nvcc --version

5.2 pip安装TensorFlow的完整步骤

创建TensorFlow环境：

conda create -n tf_env python=3.10 -y conda activate tf_env

安装TensorFlow：

pip install tensorflow==2.15.0

如果你不需要GPU，直接pip install tensorflow就行。如果需要GPU，确保系统CUDA和cuDNN版本匹配。安装完成后，TensorFlow不会自动把所有GPU库都找到，有时需要手动设置：

export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64:/usr/local/cuda-12.2/extras/CUPTI/lib64:$LD_LIBRARY_PATH

cuDNN的库路径也要加进去，如果装在/usr/lib/x86_64-linux-gnu，通常已经在默认路径里。

5.3 验证GPU是否被识别

import tensorflow as tf print(tf.__version__) print(tf.config.list_physical_devices('GPU'))

如果输出[]，说明没识别到GPU。检查：

• nvidia-smi是否正常。
• CUDA版本是否匹配。
• cuDNN版本是否匹配。
• LD_LIBRARY_PATH是否包含CUDA和cuDNN路径。

还可以跑一个矩阵乘法：

import tensorflow as tf with tf.device('/GPU:0'): a = tf.random.normal([1000, 1000]) b = tf.random.normal([1000, 1000]) c = tf.matmul(a, b) print(c.shape)

如果报错Could not create cudnn handle，多半是cuDNN版本不对。TensorFlow对cuDNN非常挑，差一个小版本都可能失败。

5.4 TensorFlow和PyTorch共存的冲突处理

共存的核心是环境隔离。我给TensorFlow和PyTorch分别建conda环境，用的时候切换。系统级只装一份NVIDIA驱动，CUDA Toolkit可以装多个版本，通过LD_LIBRARY_PATH切换，或者让TensorFlow环境用系统CUDA，PyTorch环境用自带CUDA。

如果你非要在同一个环境里同时装TensorFlow和PyTorch，要注意：

• 先装TensorFlow，再装PyTorch，避免pip依赖冲突。
• 不要同时用conda和pip反复覆盖。
• 如果NumPy版本冲突，优先满足TensorFlow，因为TensorFlow对NumPy上限要求更严。
• protobuf版本也容易冲突，TensorFlow 2.15要求protobuf>=3.20,<5，PyTorch一般兼容。

我的建议还是分开。两个环境加起来也就几百MB，比调试冲突省时间。

6. 常见问题排查速查表与避坑心得

6.1 问题速查表

6.2 虚拟机、双系统、WSL场景的区别

VMware虚拟机安装Ubuntu：默认无法直通NVIDIA显卡，只能CPU版。如果你只是学PyTorch张量基础，CPU够用。要GPU，需要VMware支持显卡直通，但配置复杂，笔记本上经常失败。

双系统安装Ubuntu：能直接用物理显卡，性能最好。注意安装时给Ubuntu留足空间，至少100GB。驱动和Windows可以共存，但Windows快速启动可能影响Ubuntu挂载NTFS分区。

WSL2：Windows下用WSL2跑Ubuntu，可以支持CUDA，但需要Windows装NVIDIA驱动，WSL里不要装驱动。PyTorch和TensorFlow都能用GPU，性能接近原生。适合不想折腾双系统的用户。

Docker：适合环境隔离和部署。用nvidia-container-toolkit后，容器里也能用GPU。镜像可以基于nvidia/cuda或pytorch/pytorch。

6.3 环境变量、gcc、cmake等周边问题

环境变量配置错误：最常见的是~/.bashrc里重复追加export PATH，导致PATH越来越长。解决方法是手动编辑~/.bashrc，删掉重复行，然后source ~/.bashrc。可以用echo $PATH检查。

gcc版本：Ubuntu 22.04默认gcc 11，24.04默认gcc 13。有些老代码需要gcc 9，可以sudo apt install gcc-9 g++-9，然后用update-alternatives切换。不过深度学习框架现在对gcc要求不严，用默认的就行。

cmake版本：apt装的cmake可能比较旧。如果某个库要求cmake 3.20+，可以用pip装：

pip install cmake --upgrade

或者去cmake官网下载二进制包，解压后把bin目录加入PATH。

CUDA多版本切换：如果你装了CUDA 11.8和12.2，可以通过软链接切换：

sudo rm -rf /usr/local/cuda sudo ln -s /usr/local/cuda-12.2 /usr/local/cuda

但更推荐用环境变量控制，避免影响其他用户。

6.4 我的几条实操心得

第一条，装驱动前先看主板BIOS。有些笔记本默认开启Secure Boot，导致驱动装不上。如果不想处理MOK，可以在BIOS里关闭Secure Boot，装完驱动再开。但注意，关闭Secure Boot可能影响Windows双系统启动。

第二条，不要迷信最新CUDA。TensorFlow和PyTorch对CUDA的支持有滞后。比如CUDA 12.4刚出时，PyTorch可能只有cu124预览版，TensorFlow还没跟上。选一个框架官方明确支持的版本，比追新省事。

第三条，每次重装系统后先做快照。如果是虚拟机，装好驱动和Miniconda后拍个快照。后面环境搞乱了，直接回滚，比排查半天快得多。物理机可以用Timeshift。

第四条，记录成功配置。我有个习惯，每配好一套环境，就把nvidia-smi输出、pip freeze、CUDA版本、cuDNN版本记在笔记里。下次装新机器，直接照抄，不用重新试错。

第五条，PyTorch和TensorFlow分开环境。哪怕你觉得自己只用一个，也建议分开。因为项目迁移时，依赖冲突会让你抓狂。分开环境，导出requirements.txt，换机器重建，几分钟搞定。

最后再分享一个小技巧：如果你在Ubuntu上遇到torch.cuda.is_available()时好时坏，先别怀疑PyTorch。跑一下watch -n 1 nvidia-smi，看看显卡是否被其他进程占用，或者驱动是否频繁掉线。显卡被占满时，PyTorch会报显存不足，但有时表现成CUDA初始化失败。确认没有僵尸进程占卡，再重启环境。这套流程帮我省下不少重装时间，也希望对你有用。