在深度学习与 GPU 加速开发中，稳定的开发环境至关重要。本文详细记录了在 Ubuntu 24.04 系统下，从零开始配置 Anaconda + Conda 虚拟环境 + CUDA 12.8 + PyCharm + PyTorch2.8.1（cu128） 的全过程，适合初学者与工程实践者参考。

注：这里有一个非常坑的点，如果是使用的是Nvidia50系显卡，强烈建议安装Ubuntu24以上，安装22或以下版本，驱动经常会出现异常，导致进入系统黑屏，驱动挂不上等问题，不要问我是怎么知道的。。。。。。

---

一、系统环境说明

本文测试环境：

• 操作系统：Ubuntu 24.04 LTS（x86_64）
• 显卡驱动：NVIDIA 官方驱动（建议 ≥ 560）
• Python 管理：Anaconda
• 深度学习框架：PyTorch 2.8（CUDA 12.8 版本）

---

二、安装 Anaconda（注意不要使用 sudo）

1. 下载 .sh 安装包

从官网获取 Linux 安装脚本：

wget https://repo.anaconda.com/archive/Anaconda3-2024.06-1-Linux-x86_64.sh

2. 正确的安装方式（不要使用 sudo）

很多新手会犯一个错误：

✅ 正确方式：

bash Anaconda3-2024.06-1-Linux-x86_64.sh

❌ 错误方式（不要这样做）：

sudo bash Anaconda3-2024.06-1-Linux-x86_64.sh

原因：

如果使用 sudo，Anaconda 会被安装到 /root 目录，只能 root 用户使用，会导致普通用户下 PyCharm 无法识别 Conda 环境。

---

三、配置 CUDA 12.8（使用官网 deb network 安装方式）

CUDA 官方下载页面：
https://developer.nvidia.com/cuda-12-8-0-download-archive?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu&target_version=24.04&target_type=deb_network

1. 安装 CUDA 网络版仓库（4 条官方命令）

按官网推荐执行：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-ubuntu2404.pin
sudo mv cuda-ubuntu2404.pin /etc/apt/preferences.d/cuda-repository-pin-600

wget https://developer.download.nvidia.com/compute/cuda/12.8.0/local_installers/cuda-repo-ubuntu2404-12-8-local_12.8.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2404-12-8-local_12.8.0-1_amd64.deb

sudo cp /var/cuda-repo-ubuntu2404-12-8-local/cuda-*-keyring.gpg /usr/share/keyrings/

sudo apt-get update
sudo apt-get install cuda

---

2. 配置环境变量，让系统识别 nvcc

编辑用户环境变量：

nano ~/.bashrc

在文件末尾加入：

export PATH=/usr/local/cuda-12.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.8/lib64:$LD_LIBRARY_PATH

执行：

source ~/.bashrc

验证：

nvcc -V

正确输出应包含：

Cuda compilation tools, release 12.8, V12.8.XX

---

四、创建 Conda 虚拟环境

1. 更新 Conda 源

conda update -n base -c defaults conda
conda config --add channels nvidia
conda config --add channels conda-forge
conda config --set channel_priority flexible

2. 创建虚拟环境

conda create -n torch28 python=3.10 -y
conda activate torch28

---

五、在 Conda 环境中安装 CUDA 12.8 运行时

只安装运行环境（不安装完整系统 CUDA）：

conda install -c nvidia cuda-toolkit=12.8

这一步主要是让 Conda 虚拟环境具备 CUDA Runtime 能力。

---

六、安装支持 CUDA 12.8 的 PyTorch

使用 PyTorch 官方 cu128 源，执行：

pip install torch==2.8.0 torchvision==0.23.0 torchaudio==2.8.0 \
    --index-url https://download.pytorch.org/whl/cu128

---

七、配置 PyCharm 使用 Conda 环境

1. 安装 PyCharm

从 JetBrains 官网下载 Linux 版本：

tar -xzf pycharm-*.tar.gz
cd pycharm-*/bin
./pycharm.sh

---

2. 绑定 Conda 解释器

在 PyCharm 中：

File -> Settings -> Project -> Python Interpreter

选择：

Existing environment

并指定路径：

/home/你的用户名/anaconda3/envs/torch28/bin/python

---

八、验证 PyTorch + CUDA 是否成功

在 PyCharm Terminal 或 Python Console 中运行：

import torch

print("Torch version:", torch.__version__)
print("CUDA available:", torch.cuda.is_available())
print("CUDA version:", torch.version.cuda)
print("GPU name:", torch.cuda.get_device_name(0))

正确输出示例：

Torch version: 2.8.0
CUDA available: True
CUDA version: 12.8
GPU name: NVIDIA RTX 40xx

---

九、总结与常见坑点

常见问题汇总：

问题	原因	解决方法
conda 安装在 /root	使用了 sudo	不要 sudo 安装 Anaconda
nvcc 找不到	环境变量未配置	source ~/.bashrc
torch.cuda.is_available() 为 False	驱动 / 版本不匹配	升级显卡驱动
PyCharm 找不到 conda 环境	解释器路径选错	指向 envs 目录下 python

---

结语

通过以上步骤，你可以在 Ubuntu 24.04 上完整搭建：

✅ Anaconda + Conda 虚拟环境
✅ CUDA 12.8
✅ PyTorch cu128
✅ PyCharm 深度学习开发环境

该方式稳定、通用，适合科研与工程开发环境长期使用。