几乎和wsl差不多，网不好的先下载好软件包，按顺序执行命令。

sudo mv cuda-ubuntu2404.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo dpkg -i cuda-repo-ubuntu2404-12-8-local_12.8.1-570.124.06-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2404-12-8-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda-toolkit-12-8

key文件添加后再运行一次解包。

sudo dpkg -i cuda-repo-ubuntu2404-12-8-local_12.8.1-570.124.06-1_amd64.deb

更新一下包目录，

sudo apt-get update

开始安装cuda。

sudo apt-get -y install cuda-toolkit-12-8

没自动添加环境变量就手动添加一下。

echo 'export PATH=/usr/local/cuda-12.8/bin${PATH:+:${PATH}}' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.8/lib64\
                         ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc

nvcc -V输出cuda版本。nvidia-smi输出显卡信息。
打开之前装wsl时的包目录，安装包都通用的。安装conda。也没自动添加环境变量，手动添加一下。

echo 'export PATH="$root/anaconda3/bin:$PATH"'>> ~/.bashrc

conda换清华源，先看一下设置

conda config --show

然后根目录下ls a查看隐藏项，修改condarc文件。
nano不认粘贴板啊，装个vim吧。按i键进入插入模式，地址粘贴过去按ESC键退出，键入:wq保存修改退出。放弃修改则键入:q!退出。
新建个python12的环境，

conda create -n name python=3.12

切换到新环境。

source activate 环境名

pip换清华源

pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

安装torch之前的wheel包也通用，

pip install 包名

跟网速有关，大文件之前下了包，手动安装一下大文件，小文件就现场下载吧。cudnn的包也是通用的，解压到cuda目录下，或者执行解压命令到对应文件夹下。

sudo tar -xvf cudnn-linux-x86_64-8.9.7.29_cuda12-archive.tar.xz -C /usr/local/cuda-12.8

因为装的最新版本cuda，记得改一下对应的版本号。
装好后进入python环境，运行官方命令测试cuda和cudnn可用性输出。

import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())

不要慌，导入cudnn在torch的子集包下，多一级backends。都输出可用，大功告成。
至此，windows环境，wsl环境，docker环境，linux环境下cuda和cudnn和torch的人工智能深度学习环境搭建全部完成。完结撒花。