2022年4月21日发布的最新版本 Ubuntu 22.04 LTS 安装 CUDA 和 cuDNN 踩坑记录 !!!
1. 从 Ubuntu 20.04 LTS 升级至 Ubuntu 22.04 LTS解决了哪些问题？
解决了部分较新机型无WiFi的问题：Ubuntu 20.04 LTS的默认内核发布于四年前，自然识别不了现在市面上流通的无线网卡，比如今年的联想拯救者2022 Y9000P就使用Intel AX211无线网卡，千辛万苦装好了Ubuntu 20.04，缺发现没有无线网用（插网线可以，但没办法带出宿舍做实验，到图书馆或实验室装逼），现在只需要重新安装Ubuntu 22.04 LTS，开机即有无线网，配合手机热点，在校园各处全覆盖装逼。
解决了Nvidia独立显卡驱动不适配的问题：在Ubuntu 20.04上，系统推荐安装的Nvidia独立显卡驱动版本是 nvidia-driver-470，但CUDA 11.6建议的版本是 nvidia-driver-510，虽然勉强能用，但是版本总是不断更新，想有最好的机器学习体验，就需要保证各组件的版本匹配，并较新。如果在安装Ubuntu 22.04时勾选允许第三方驱动，你会惊喜得发现，系统安装后，开机就已经装好了最新的 nvidia-driver-510，也能直接在终端中直接运行“nvidia-smi"命令（该命令用来简单判断Nvidia独立显卡驱动是否正常工作）。
仍然支持最新版本的CUDA和cuDNN：我测试时的版本如下，
注意上图倒数第三行的 5.15.0-27-generic 内核版本号，这的确是Ubuntu 22.04 LTS的默认内核版本，这证明，最新版本的Ubuntu是可以使用如下版本号进行机器学习的环境配置的：
Ubuntu 22.04 LTS 内核版本号：Linux y9000p 5.15.0-27-generic #28-Ubuntu SMP Thu Apr 14 04:55:28 UTC 2022 x86_64 x86_64 x86_64 GNU/Linux
nvidia独立显卡驱动版本号：510.60.02
CUDA版本号：cuda-repo-ubuntu2004-11-6-local_11.6.2-510.47.03-1_amd64
cuDNN版本号：cudnn-local-repo-ubuntu2004-8.4.0.27_1.0-1_amd64
2. 新版本 Ubuntu 22.04 LTS 安装及机器学习环境搭建。
安装系统，参照全流程视频 https://www.bilibili.com/video/BV15F411s7vi?share_source=copy_web流程，该流程安装的是次新版本Ubuntu 20.04 LTS，但系统的安装流程完全一致，UP已实操验证。如果在安装系统时 勾选“安装第三方驱动“，开机自带 510.60.02 版本的Nvidia独立显卡驱动。
安装 Nvidia独立显卡驱动，参照帮助文档 https://rust-fedora-57b.notion.site/Environment-3b05d5afa0f94c0a808cc31294b8efcc
安装 CUDA，参照全流程视频 https://www.bilibili.com/video/BV1Rq4y1h7jK?share_source=copy_web，这里注意，新版本的Ubuntu 22.04 需要安装 liburcu6软件包，先在“附加驱动的其他软件 选项中添加源 "deb http://ftp.cn.debian.org/debian bullseye main" ：
添加后点击右下角"关闭"，点击弹出对话框的“关闭”：
在终端中使用在终端中使用 “sudo apt update" 应用更新后的源，会提示缺少GPK密钥序列，一共四条，将缺少密钥添加到该命令的末尾，一共添加4个（分4次去运行，每复制粘贴一个密钥，回车导入一次），“sudo apt-key adv --recv-keys --keyserver keyserver.ubuntu.com [提示缺少的4条GPK]"命令，
再次在终端中使用 “sudo apt update" 应用更新后的源，再使用 “sudo apt install liburcu6" 即可安装包。根据帮助文档即可完成CUDA的安装和验证。
4. 安装cuDNN，根据帮助文档安装，但使用 "sudo make" 编译验证代码时同样需要添加源 “deb http://ftp.cn.debian.org/debian sid main“，需导入的密钥和安装的包名都在帮助文档中。
5. 当三个测试（CUDA的deviceQuery和bandwidthTest测试，cuDNN的mnistCUDNN测试）均通过后，取消之前添加的两个镜像源，只需要把这两个Debian开头的勾掉，再点右下角的关闭，点弹出框的关闭即可。
打开终端使用"sudo apt update”，应用取消这两个镜像的后的源。如果在添加源之前显示“所有软件包均为最新”，在取消源后仍显示该字样，则没有问题。
6. 配置机器学习环境，根据扩展文档 https://rust-fedora-57b.notion.site/Anaconda-b4d288c6265d4e5fa84dd0020af59680 即可配置好机器学习的基本环境。找一段机器学习的代码，并确保你的环境中以及安装了代码中涉及到的包，缺少包使用 pip命令安装即可，我们来测试一下：
至此，4月21日才发布的Ubuntu 22.04 LTS 配置 截至4月29日最新版本的CUDA及cuDNN并成功进行机器学习训练 已被验证！
3. 结语
本人是大三留级生，舍友今年已考研上岸。现在顶着学校破事的压力折腾一些事情，像配置这个环境是为了学校的本创，五人一组，全都我做。我可能做不出来，但是坚持去折腾折腾，我觉得折腾并没有错，像Linux还有Nvidia都是别人的，我时常感叹，别人能创造出这样令人惊艳觉得酷的产品，技术，理念，而我总要为了一些死规矩去签到，背题，考试。学校的实验报告永远实际做出来的东西重要，论文永远是格式比探索的过程更关键，我想说，这样肯定是错的，但是我们都不能改变什么，因为我们在体制里，我们要遵守游戏规则。或许和科班比起来，我的折腾显得效率极其低下，我大概是两年卡就关注到了“稚晖君”这样的人物，那时他给我的很大信心，然而两年后，在学校考试，自己杂乱想法和打游戏之间，我仍然没能折腾出什么像样的东西，现在的考研也是新形势下不得不走的路。然而我还是用一个上午写了这篇文章，不管我有多么失落或者烦闷，我希望正在折腾而不循规蹈矩的人再多坚持一天，一次尝试，我和你们是同一阵营的，我们都喜欢更酷的技术！
