一、安装显卡驱动

（1）##查看显卡   

                  lspci | grep -i nvidia

（2）#查找对应的驱动程序，系统退推荐最适合驱动

               ubuntu-drivers devices

（3）#自动安装驱动（系统会安装自认为适合的驱动）
             sudo ubuntu-drivers autoinstall

补充：如果（3）命令报错，则更新软件包，如下：

            sudo add-apt-repository ppa:graphics-drivers/ppa
           sudo apt update
           sudo ubuntu-drivers autoinstall

（4） 查看是否安装成功：

               nvidia-smi

若正常输出信息（显示的cuda版本，是驱动支持的最高cuda版本），则安装成功，接下载安装cuda；

二、 cuda安装

        （1）安装命令：

        sudo apt install nvidia-cuda-toolkit

          （2） 添加路径：

              sudo gedit ~/.bashrc

           在文末加入以下两行代码（找到cuda安装路径，一般为 /usr/local/cuda+版本号）：
          export PATH=/usr/local/cuda-<version>/bin:$PATH
          export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
（3）初始化：
    source ~/.bashr

输入下一句代码使之生效，这样以后打开终端直接输入nvcc -V就能查看到Cuda的信息。

三、安装torch(GPU版本)

 torch官网：Previous PyTorch Versions | PyTorch

nvcc -V  查看cuda版本，找到对应的torch安装命令。

我的是cuda 12.1,则安装以下红色框中的命令。

补充：有时候安装torch后，importtorch报错，没有 nvidia/cusparse/lib/libcusparse.so.12等。

原因：anaconda中的torch动态链接库依赖出现问题。

则采用下面的命令，创建软连接：

ln -sf /usr/lib/x86_64-linux-gnu/libstdc++.so.12  /root/anaconda3/envs/yolov8-magic/lib/python3.8/site-packages/torch/lib/../../nvidia/cusparse/lib/libcusparse.so.12

原文件路径：/usr/lib/x86_64-linux-gnu/libstdc++.so.12（想链接到的原始库文件）

目标路径：/root/anaconda3/envs/yolov8-magic/lib/python3.8/site-packages/torch/lib/../../nvidia/cusparse/lib/libcusparse.so.12  （想要创建的符号链接路径）

目的：anaconda中的torch中 ..so.12路径指向 liux 原文件路径。

记得点赞和收藏喔！

参考博客：

使用 VS Code 调试 PyTorch （C++） 代码 - 李理的博客 (fancyerii.github.io)