在 Ubuntu 26.04 系统下，搭配 5060 Ti 显卡和 595.71.05 版本的 NVIDIA 驱动，安装 CUDA 和 cuDNN 变得非常便捷。Ubuntu 26.04 LTS 首次在官方软件仓库中提供了对 NVIDIA CUDA 工具包的原生支持，彻底解决了以往需要手动添加第三方仓库和复杂配置环境变量的问题。
以下是完美安装步骤：

1、安装 CUDA Toolkit

通过nvidia-smi查看驱动版本Driver Version: 595.71.05支持的CUDA最高为Version: 13.2，所以下载：

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/13.2.1/local_installers/cuda-repo-ubuntu2404-13-2-local_13.2.1-595.58.03-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2404-13-2-local_13.2.1-595.58.03-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2404-13-2-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda-toolkit-13-2

验证安装结果，可以通过以下命令检查 CUDA 编译器版本，确认安装是否成功：

nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2026 NVIDIA Corporation
Built on Thu_Mar_19_11:12:51_PM_PDT_2026
Cuda compilation tools, release 13.2, V13.2.78
Build cuda_13.2.r13.2/compiler.37668154_0

如果要卸载 nvidia-cuda-toolkit：‌

sudo apt remove --purge nvidia-cuda-toolkit

这个命令会卸载 nvidia-cuda-toolkit 并删除其配置文件。

‌清除残留的配置文件和数据：‌

sudo apt autoremove
sudo apt autoclean

这些命令会移除不再需要的包和清除下载文件的存档。

2、安装 cuDNN

cuDNN 是基于 CUDA 构建的深度学习 GPU 加速库。在安装前，建议先安装必要的依赖包 zlib1g：

sudo apt-get install zlib1g

安装cuDNN：

wget https://developer.download.nvidia.com/compute/cudnn/9.24.0/local_installers/cudnn-local-repo-ubuntu2604-9.24.0_1.0-1_amd64.deb
sudo dpkg -i cudnn-local-repo-ubuntu2604-9.24.0_1.0-1_amd64.deb
sudo cp /var/cudnn-local-repo-ubuntu2604-9.24.0/cudnn-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cudnn

先安装miniconda：

# 1. 获取最新版本的miniconda
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 2. 安装miniconda
bash ~/Miniconda3-latest-Linux-x86_64.sh
# 3. 刷新环境
source ~/.bashrc

在conda下创建一个test环境：

conda create -n test python=3.13
conda activate test

安装torch：

pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu132

验证CUDA和cuDNN安装是否成功：

import torch
print("PyTorch版本：", torch.__version__)
print("CUDA是否可用：", torch.cuda.is_available())
print("CUDA版本：", torch.version.cuda if torch.cuda.is_available() else "None")
if torch.cuda.is_available():
    print("GPU设备：", torch.cuda.get_device_name(0))
    print("GPU数量：", torch.cuda.device_count())

输出：

PyTorch版本： 2.12.1+cu132
CUDA是否可用： True
CUDA版本： 13.2
GPU设备： NVIDIA GeForce RTX 5060 Ti
GPU数量： 1

继续：

from torch.backends import cudnn
print(cudnn.is_available())
print(torch.backends.cudnn.version())

输出

True
92000

说明 5060 Ti 显卡和深度学习环境已完美配置成功。