CUDA 11.0 Runtime 与 Driver 分离安装指南：Ubuntu 18.04 下避免 450.51.05 冲突

发布时间：2026/7/13 9:03:21

CUDA 11.0 运行时与驱动分离安装全指南：Ubuntu 18.04 避坑实践

在深度学习开发环境中，CUDA 工具包的安装往往是第一个需要跨越的技术门槛。许多开发者在 Ubuntu 系统上安装 CUDA 时，都会遇到驱动冲突的问题，导致安装失败。本文将深入解析 CUDA 运行时(Runtime)与驱动(Driver)的关系，并提供一套完整的分离安装方案，帮助你在已有 NVIDIA 驱动的 Ubuntu 18.04 系统上，仅安装 CUDA Toolkit 进行深度学习开发。

1. 理解 CUDA 运行时与驱动的区别

在开始安装之前，我们需要明确两个关键概念：Driver CUDA和Runtime CUDA。这两个组件虽然都包含"CUDA"字样，但它们的职责和使用场景完全不同。

组件类型	Driver CUDA	Runtime CUDA
主要功能	负责 GPU 硬件通信和显示输出	提供 GPU 计算能力，用于深度学习等计算任务
安装方式	通常随 NVIDIA 显卡驱动一起安装	作为 CUDA Toolkit 的一部分单独安装
版本查看命令	`nvidia-smi`	`nvcc -V`
依赖关系	需要与 GPU 硬件匹配	需要与深度学习框架版本兼容
更新频率	相对较低，稳定性优先	相对较高，跟进新特性

常见误区：很多开发者误以为安装 CUDA Toolkit 时必须同时安装驱动，这往往会导致系统中存在多个驱动版本，引发冲突。实际上，如果你的系统已经通过其他方式（如系统自带的驱动管理器）安装了 NVIDIA 驱动，那么在安装 CUDA Toolkit 时应该取消勾选驱动组件。

2. 安装前的准备工作

在开始安装 CUDA 11.0 之前，我们需要确保系统环境已经准备就绪。以下是必要的准备工作：

检查现有驱动版本：
```
nvidia-smi
```
这个命令会显示当前安装的 NVIDIA 驱动版本以及支持的 CUDA 版本。记下这个信息，后续安装 CUDA Toolkit 时需要确保兼容性。
验证 GPU 是否支持 CUDA：
```
lspci | grep -i nvidia
```
确认你的 NVIDIA GPU 型号是否在 CUDA 支持的设备列表中。

安装基础依赖：

sudo apt update sudo apt install build-essential dkms linux-headers-$(uname -r)

禁用 Nouveau 驱动（如果尚未禁用）：

echo "blacklist nouveau" | sudo tee /etc/modprobe.d/blacklist-nouveau.conf echo "options nouveau modeset=0" | sudo tee -a /etc/modprobe.d/blacklist-nouveau.conf sudo update-initramfs -u sudo reboot

提示：如果在执行nvidia-smi时已经能看到正确的 GPU 信息，说明你的系统已经安装了 NVIDIA 驱动，这正是我们需要的状态。这种情况下，安装 CUDA Toolkit 时务必不要重复安装驱动。

3. 下载 CUDA 11.0 安装包

NVIDIA 提供了多种 CUDA 安装方式，对于我们的场景（仅安装 Runtime CUDA），推荐使用runfile 本地安装包，因为它提供了最灵活的组件选择。

访问 NVIDIA 官方 CUDA 工具包归档页面： CUDA Toolkit Archive
选择 CUDA 11.0 版本，然后按照你的系统配置选择：
- 操作系统：Linux
- 架构：x86_64
- 发行版：Ubuntu
- 版本：18.04
- 安装器类型：runfile (local)

复制下载链接，在终端中使用 wget 下载：

wget http://developer.download.nvidia.com/compute/cuda/11.0.2/local_installers/cuda_11.0.2_450.51.05_linux.run

4. 关键安装步骤：分离驱动与运行时

这是整个安装过程中最关键的环节，我们需要确保只安装 CUDA Toolkit 而不重复安装驱动。

运行安装程序：
```
sudo sh cuda_11.0.2_450.51.05_linux.run
```
在安装界面中，按照以下步骤操作：
- 按回车键继续
- 输入accept接受许可协议
- 关键步骤：在组件选择界面，取消勾选 Driver 选项（使用方向键导航到 Driver 行，按空格键取消选择）
- 确保 Toolkit 被选中（通常这是默认选项）
- 按回车键确认选择并开始安装

安装完成后，你会看到类似这样的输出：

========== = Summary = ========== Driver: Not Selected Toolkit: Installed in /usr/local/cuda-11.0/

注意：如果在安装过程中看到任何关于驱动冲突的警告，不要惊慌。这正是我们预期的行为 - 因为我们故意不安装驱动组件，而系统已经存在驱动。

5. 配置环境变量

安装完成后，我们需要配置环境变量，让系统知道在哪里可以找到 CUDA 的相关工具和库。

打开你的 shell 配置文件（通常是~/.bashrc）：
```
nano ~/.bashrc
```

在文件末尾添加以下内容：

# CUDA 11.0 配置 export PATH=/usr/local/cuda-11.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

保存文件并退出编辑器（在 nano 中按 Ctrl+O 保存，Ctrl+X 退出）
使配置立即生效：
```
source ~/.bashrc
```

6. 验证安装

安装完成后，我们需要验证 CUDA 是否正确安装且与现有驱动兼容。

验证 CUDA 编译器：

nvcc -V

预期输出应类似于：

nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2020 NVIDIA Corporation Built on Mon_Nov_30_19:08:53_PST_2020 Cuda compilation tools, release 11.0, V11.0.221

验证驱动与 CUDA 的兼容性：
```
nvidia-smi
```
输出中会显示 GPU 信息和驱动版本，以及一个"CUDA Version"字段。这个字段表示驱动支持的最高CUDA 版本，不一定与你安装的 Runtime CUDA 版本相同。

常见问题解答：

为什么nvidia-smi显示的 CUDA 版本与nvcc -V不同？这是正常现象。nvidia-smi显示的是驱动支持的最高CUDA 版本，而nvcc -V显示的是实际安装的 CUDA Toolkit 版本。只要 Toolkit 版本不高于驱动支持的版本，就能正常工作。
安装后深度学习框架仍然找不到 CUDA？大多数深度学习框架需要额外安装 cuDNN。确保你已经安装了与 CUDA 11.0 兼容的 cuDNN 版本。

7. 高级配置与故障排除

即使按照上述步骤操作，有时仍可能遇到问题。以下是几个常见问题的解决方案：

安装日志分析：如果安装过程中出现问题，可以查看安装日志：
```
cat /var/log/cuda-installer.log
```
查找[ERROR]字段，通常能快速定位问题原因。
多版本 CUDA 管理：如果你需要在同一系统上使用多个 CUDA 版本，可以使用update-alternatives工具：
```
sudo update-alternatives --install /usr/local/cuda cuda /usr/local/cuda-11.0 110 sudo update-alternatives --config cuda
```
然后选择你想要激活的 CUDA 版本。
卸载 CUDA Toolkit：如果需要卸载 CUDA Toolkit，可以运行：
```
sudo /usr/local/cuda-11.0/bin/uninstall_cuda_11.0.pl
```
然后手动删除/usr/local/cuda-11.0目录。
PATH 冲突解决：如果遇到命令冲突，可以使用完整路径来指定 CUDA 版本：
```
/usr/local/cuda-11.0/bin/nvcc -V
```