3.8 KiB
3.8 KiB
国内源可用性分析
NVIDIA 驱动在 Ubuntu 上有两个安装途径，国内加速能力差异较大：
| 安装来源 | 能否用国内源 | 说明 |
|---|---|---|
Ubuntu 官方 apt 源（main/restricted）中的 nvidia-driver |
✅ 完全可用 | 清华/阿里源均已同步，速度极快 |
ppa:graphics-drivers/ppa（Launchpad PPA） |
❌ 无法加速 | Launchpad PPA 没有国内镜像，只能走代理 |
NVIDIA 官方 .run 文件直接下载 |
⚠️ 部分可用 | nvidia.cn 可下，但驱动版本较老 |
推荐方案：完全走国内源（不依赖代理）
Ubuntu 22.04 官方 restricted 仓库已内置较新的 nvidia-driver，换清华源后直接安装即可，无需添加 PPA ： cnblogs
第一步：替换为清华 Ubuntu 镜像源
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
sudo tee /etc/apt/sources.list <<'EOF'
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 https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse
EOF
sudo apt update
第二步：直接安装驱动（无需 PPA）
# 查看系统推荐的驱动版本
ubuntu-drivers devices
# 安装（推荐 550 或 535，清华源内有同步）
sudo apt install -y nvidia-driver-570-server
CUDA 13.0 是目前最新版本，以下是对应你的 Ubuntu 22.04 + 驱动 580 的完整安装方式 ： blog.csdn
方法一：runfile 本地安装（推荐，无需 apt 源配置）
这种方式只安装 toolkit，不替换已有的 580 驱动：
# 设置代理
export http_proxy=http://192.168.233.206:7899
export https_proxy=http://192.168.233.206:7899
# 下载 CUDA 13.0 run 安装包（约 3GB）
wget https://developer.download.nvidia.com/compute/cuda/13.0.1/local_installers/cuda_13.0.1_580.82.07_linux.run
# 添加执行权限并安装（只选 toolkit，不安装驱动）
chmod +x cuda_13.0.1_580.82.07_linux.run
sudo ./cuda_13.0.1_580.82.07_linux.run --toolkit --silent --override
安装界面出现时，取消勾选 Driver，只保留 CUDA Toolkit 打勾，避免覆盖已安装的 580 驱动 。 cloud.tencent
方法二：apt 源安装（需要代理）
export http_proxy=http://192.168.233.206:7899
export https_proxy=http://192.168.233.206:7899
# 添加 NVIDIA CUDA 源
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
# 安装 CUDA 13.0 toolkit（不带驱动）
sudo apt install -y cuda-toolkit-13-0
第三步：配置环境变量（两种方法通用）
cat >> ~/.bashrc <<'EOF'
export CUDA_HOME=/usr/local/cuda-13.0
export PATH=/usr/local/cuda-13.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-13.0/lib64:$LD_LIBRARY_PATH
EOF
source ~/.bashrc
第四步：验证安装
# 验证 CUDA 编译器版本
nvcc --version
# 应显示 release 13.0
# 确认 libcufile 已存在
ls /usr/local/cuda-13.0/lib64/libcufile.so*
# 验证 vllm 是否正常
conda activate vllm
python -c "import torch; print(torch.cuda.is_available())"
python -c "import vllm; print(vllm.__version__)"
注意：如果 runfile 安装时下载太慢，也可以先走上一条回复中的备用方案（pip 安装自带 CUDA 运行库的 torch），那个方案不需要单独安装系统级 CUDA Toolkit，速度更快。