cuda正常工作的前提是正确安装nvidia官方驱动并禁用nouveau，nvidia-smi无输出说明驱动未生效；nvcc未找到是环境变量未配置，需手动安装cuda toolkit并设置path、ld_library_path和cuda_home。
直接装 NVIDIA 官方驱动，别碰 nouveau —— 这是所有后续 CUDA 正常工作的前提。驱动装错或没禁掉 nouveau，nvidia-smi 都不会出来，更别说 nvcc 了。
为什么 nvidia-smi 找不到或报错？
这不是 CUDA 没装，而是驱动根本没生效。常见现象包括：
-
nvidia-smi报NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver - 桌面卡死、黑屏、分辨率异常
-
lsmod | grep nouveau有输出（说明nouveau还在抢显卡）
根本原因只有两个：要么没禁用 nouveau，要么驱动安装时没关图形界面。必须按顺序做：
- 编辑
/etc/modprobe.d/blacklist-nouveau.conf，写入：blacklist nouveauoptions nouveau modeset=0 - 运行
sudo update-initramfs -u（Ubuntu/Debian）或sudo dracut --force（RHEL/CentOS/Fedora） - 重启后验证：
lsmod | grep nouveau应该无任何输出 - 再进终端（
Ctrl+Alt+F2），停掉显示管理器：sudo systemctl stop gdm（或lightdm、sddm）
该选包管理器安装还是 runfile 手动安装？
优先用系统包管理器，除非你明确需要特定驱动版本（比如要配 CUDA 12.4，就得驱动 ≥ 535）。不同方式的关键差异：
-
ubuntu-drivers autoinstall：自动选最稳的版本，适合新手；但可能装的是 525 或 535，不支持最新 CUDA -
sudo apt install nvidia-driver-535：手动指定，兼容 CUDA 12.x；注意 Ubuntu 22.04 默认源里可能没有，得加 PPA：sudo add-apt-repository ppa:graphics-drivers/ppa - runfile（如
NVIDIA-Linux-x86_64-550.127.05.run）：自由度高，但必须加--no-opengl-files --no-x-check --no-nouveau-check参数绕过检查，否则大概率失败
装完一定运行 nvidia-smi 看输出第一行右上角的 “CUDA Version: xx.x”—— 这才是你**能装的最高 CUDA 版本**，不是你想装哪个就装哪个。
在无 root/sudo 权限的环境（云容器、VPS、隔离主机）中安装并配置 OpenClaw 浏览器工具的 headless Chrome。适用场景：...
nvcc -V 报 command not found 怎么办？
这是环境变量没设，和驱动无关。CUDA Toolkit 是单独安装的，哪怕驱动支持 CUDA 12.4，你也得自己下 cuda_12.4.0_535.54.03_linux.run 并装它。关键点：
- 安装时**务必取消勾选 Driver**（驱动已装好，再装会冲突）
- 路径别用默认
/usr/local/cuda，改用带版本号的路径，比如/usr/local/cuda-12.4 - 在
~/.bashrc里只加这三行（替换为你实际路径）：export PATH=/usr/local/cuda-12.4/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda-12.4/lib64:$LD_LIBRARY_PATHexport CUDA_HOME=/usr/local/cuda-12.4 - 然后
source ~/.bashrc，再跑nvcc -V
别碰 /usr/local/cuda 这个软链接——多版本共存时它极易被误覆盖，导致某个终端突然 CUDA 不见了。
CUDNN 怎么配才不踩坑？
它不是安装，是“复制粘贴”。错误做法：解压完就 ldconfig，或者把 cudnn.h 往错目录扔。正确流程极简：
- 确认 CUDA 已可用：
nvcc -V和nvidia-smi都正常 - 下载对应 CUDA 版本的 CUDNN（比如 CUDA 12.4 → 下 CUDNN 8.9.7 for CUDA 12.x）
- 解压后进
cuda文件夹，执行：sudo cp include/cudnn*.h /usr/local/cuda-12.4/include/sudo cp lib/libcudnn* /usr/local/cuda-12.4/lib64/ - 加权限：
sudo chmod a+r /usr/local/cuda-12.4/include/cudnn*.h /usr/local/cuda-12.4/lib64/libcudnn*
最后验证：cat /usr/local/cuda-12.4/version.txt 看 CUDA 版本，cat /usr/local/cuda-12.4/include/cudnn_version.h | grep CUDNN_MAJOR 看 CUDNN 版本。两者对得上，深度学习框架才能识别。
最易被忽略的一点：每次换 CUDA 版本，不仅要改环境变量，还要重装对应版本的 torch 或 tensorflow —— 它们编译时硬链接了 libcudnn.so.x，版本错一位就 ImportError: libcudnn.so.8: cannot open shared object file。
