RTX 5060ti gpu 算力需求sm-120，如何安装跑通搭建部分工程依赖

1. 驱动和系统级环境准备

2. CUDA和cuDNN安装

3. Python环境与项目依赖安装

4. 验证与故障排除

1.最关键的第一步：非常++++++

安装NVIDIA显卡驱动

• 推荐方法：到NVIDIA官网下载最新版驱动。

  • 访问 https://www.nvidia.com/Download/index.aspx

  • 选择你的显卡产品系列（例如 我的 NVIDIA GeForce RTX 5070 Ti）、操作系统等，然后搜索并下载。

• 适用于Linux

• 安装完成后进行验证，打开终端（Command Prompt或Terminal），输入：nvidia-smi

• 你应该看到类似上图输出，这确认了驱动已正确安装，并且系统识别到了你的GPU。请记下你的CUDA Version（例如12.8），这决定了下一步你要安装的CUDA工具包版本。

• 2.最关键的第二步：非常+++++ （很多人以为确定了CUDA Version:12.8，那么我的cudatoolkit就可以选择是<=12.8） ,这是有偏差的。我们主要看显卡是否兼容你后期安装的cudatoolkit

• 以我这个为例显卡是5070ti，初始第一次安装了cudatoolkit==12.1,cuDNN==8.3.x.x，后期在虚拟环境conda下跑实验会报错，主要原因不在pytorch

• 第二次安装了cudatoolkit==12.4,cuDNN==8.6.x.x，后期在虚拟环境conda下跑实验会报错

• 第三次安装了cudatoolkit==12.6,cuDNN==8.6.x.x，后期在虚拟环境conda下跑实验还是会报错

• 多次卸载CUDA工具包和cuDNN，各种爬数据，第四次安装了cudatoolkit==12.8,cuDNN==8.9.x.x，后期在虚拟环境conda下可正常跑实验

• 安装CUDA工具包和cuDNN；根据对应的驱动Driver Version: 570.133.20   CUDA Version: 12.8，本人选择安装  cudatoolkit==12.8, cuDNN==8.9.x.x版本。官网链接为：https://developer.nvidia.com/cuda-toolkit-archive

• 按照图上wget和sudo命令依次输入  wget https://developer.download.nvidia.com/compute/cuda/12.8.0/local_installers/cuda_12.8.0_570.86.10_linux.run（这是下载cudatoolkit的包）

• sudo sh cuda_12.8.0_570.86.10_linux.run（这是安装运行）

• 

• 出现这个界面就代表安装完

  

2.3.   修改环境变量
1）添加环境变量 终端命令gedit ~/.bashrc
在文末添加，保存后退出

export PATH=/usr/local/cuda-12.8/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

2）接着在终端输入 source ~/.bashrc  (更新一下)

3） 终端输入命令nvcc -V，出现此图内容就代表装成功！

3、cuDNN安装
3.1、下载，官网https://developer.nvidia.com/rdp/cudnn-archive（进去后注册账号）

cuDNN Archive | NVIDIA Developer

3.2、终端运行你下载的cudnn的包名和测试cuDNN是否安装成功

sudo dpkg -i cudnn-local-repo-ubuntu2004-8.9.7.xxxxxxxxxxxxxx

sudo cp xxxxxxxxxxxxxxx(图上画横线的部分)

3.3、依次输入下图命令，测试cuDNN是否安装成功

So，CUDA和cuDNN安装成功!

4.在conda 虚拟环境里，根据Previous PyTorch Versions链接，找到你要安装的torch,torchvision,torchaudio版本之间要匹配

找到你要安装的工程依赖包，依次安装，输入命令，程序已跑通！