Wie man die Kraft von Open Source nutzt – Willkommen in der Welt von Ubuntu

Ubuntu: CUDA & cuDNN installieren – Die Schritt-für-Schritt-Anleitung für GPU-Computing

Entwicklungsumgebung einrichten
目次

1. Einführung

CUDA (Compute Unified Device Architecture) ist eine von NVIDIA entwickelte Parallel-Computing-Plattform und API, die Hochleistungsberechnungen unter Nutzung von GPUs ermöglicht. Sie wird in einer Vielzahl von Bereichen eingesetzt, darunter maschinelles Lernen, Deep Learning und wissenschaftliche Berechnungen. Dieser Artikel erläutert detailliert die Installationsschritte für CUDA in einer Ubuntu-Umgebung.

2. Voraussetzungen

2.1 Kompatible GPU überprüfen

Überprüfen Sie zunächst, ob die in Ihrem System installierte NVIDIA GPU mit CUDA kompatibel ist. Führen Sie den folgenden Befehl im Terminal aus:

lspci | grep -i nvidia

Wenn NVIDIA-Geräte in der Ausgabe dieses Befehls angezeigt werden, wird Ihre GPU erkannt. Eine detaillierte Liste der kompatiblen GPUs finden Sie auf der offiziellen NVIDIA-Website.

2.2 Ubuntu-Version überprüfen

CUDA wird von bestimmten Ubuntu-Versionen unterstützt. Überprüfen Sie Ihre aktuelle Ubuntu-Version mit dem folgenden Befehl:

lsb_release -a

Im Allgemeinen werden Ubuntu LTS (Long Term Support)-Versionen empfohlen. Aktuelle Support-Informationen finden Sie in der offiziellen NVIDIA-Dokumentation.

2.3 gcc-Installation überprüfen

Für die Installation von CUDA ist der gcc-Compiler erforderlich. Überprüfen Sie den Installationsstatus mit dem folgenden Befehl:

gcc --version

Falls gcc nicht installiert ist, installieren Sie es mit dem folgenden Befehl:

sudo apt install build-essential

 

3. NVIDIA-Treiberinstallation

3.1 Vorhandene Treiber entfernen

Wenn ältere NVIDIA-Treiber installiert sind, entfernen Sie diese, um Konflikte zu vermeiden. Führen Sie die folgenden Befehle aus:

sudo apt-get --purge remove '*nvidia*'
sudo apt-get autoremove

3.2 Geeigneten Treiber auswählen und installieren

Überprüfen Sie auf der offiziellen NVIDIA-Website den für Ihre GPU geeigneten Treiber und fahren Sie mit den folgenden Schritten zur Installation fort:

     

  1. Repository hinzufügen Fügen Sie das NVIDIA-Treiber-Repository hinzu, indem Sie die folgenden Befehle im Terminal ausführen:
   sudo add-apt-repository ppa:graphics-drivers/ppa
   sudo apt-get update
     

  1. Empfohlenen Treiber überprüfen Verwenden Sie den folgenden Befehl, um den empfohlenen Treiber zu überprüfen:
   ubuntu-drivers devices

Installieren Sie den Treiber, der in der Ausgabe als „recommended“ angezeigt wird.

     

  1. Treiber installieren Installieren Sie den empfohlenen Treiber, indem Sie die Treiberversionsnummer angeben:
   sudo apt install nvidia-driver-<empfohlene_version>
     

  1. Neustart nach der Installation Nachdem die Treiberinstallation abgeschlossen ist, starten Sie das System mit dem folgenden Befehl neu:
   sudo reboot

4. CUDA-Toolkit-Installation

4.1 CUDA-Version auswählen

Auf der offiziellen CUDA-Downloadseite von NVIDIA können Sie die CUDA-Version überprüfen, die mit Ihrer GPU und Ubuntu-Version kompatibel ist. Wenn Sie die neueste Version verwenden, stellen Sie die Kompatibilität mit Ihrer Software und Bibliotheken sicher.

4.2 Repository hinzufügen und installieren

Installieren Sie das CUDA-Toolkit mit den folgenden Schritten:

     

  1. Repository hinzufügen Fügen Sie das NVIDIA-Repository hinzu (im Folgenden ein Beispiel für Ubuntu 20.04):
   wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
   sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
     

  1. Repository-Schlüssel hinzufügen Holen Sie sich den Repository-Schlüssel und installieren Sie ihn:
   sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
     

  1. CUDA-Paket installieren Installieren Sie das CUDA-Toolkit:
   sudo apt update
   sudo apt install cuda
     

  1. Installation überprüfen Überprüfen Sie, ob CUDA korrekt installiert wurde:
   nvcc --version

 

5. Umgebungsvariablen einrichten

5.1 PATH und LD_LIBRARY_PATH einstellen

Um CUDA verwenden zu können, müssen die Umgebungsvariablen korrekt eingestellt werden. Führen Sie die folgenden Schritte aus:

     

  1. .bashrc-Datei bearbeiten
   nano ~/.bashrc
     

  1. Folgende Zeilen hinzufügen
   export PATH=/usr/local/cuda/bin:$PATH
   export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
     

  1. Einstellungen anwenden Speichern Sie die Änderungen und laden Sie das Terminal neu:
   source ~/.bashrc

6. cuDNN-Installation

6.1 Was ist cuDNN?

cuDNN (CUDA Deep Neural Network library) ist eine für Deep Learning optimierte GPU-Beschleunigungsbibliothek.

6.2 cuDNN herunterladen

Laden Sie cuDNN, das Ihrer verwendeten CUDA-Version entspricht, von der offiziellen NVIDIA-Website herunter. Für den Download ist ein NVIDIA-Konto erforderlich.

6.3 cuDNN-Installationsschritte

     

  1. Archiv entpacken Entpacken Sie das heruntergeladene cuDNN-Archiv:
   tar -xzvf cudnn-<version>.tgz
     

  1. Dateien kopieren Kopieren Sie die benötigten Dateien in das CUDA-Verzeichnis:
   sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
   sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
   sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
     

  1. Installation überprüfen Überprüfen Sie die cuDNN-Version mit dem folgenden Befehl:
   cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

 

7. Installation überprüfen

7.1 CUDA-Funktionalität überprüfen

Überprüfen Sie mit dem folgenden Befehl, ob CUDA korrekt installiert ist:

nvcc --version

7.2 Beispielprogramm ausführen

Führen Sie ein CUDA-Beispielprogramm aus, um die Funktionalität zu überprüfen:

     

  1. Beispiele einrichten
   cuda-install-samples-<version>.run
   cd ~/NVIDIA_CUDA-<version>_Samples/1_Utilities/deviceQuery
   make
     

  1. Programm ausführen
   ./deviceQuery

Wenn „PASS“ in der Ausgabe angezeigt wird, war die Installation erfolgreich.

8. Fehlerbehebung

8.1 Häufige Probleme und Lösungen

     

  • Problem: CUDA wird nicht richtig erkannt
    Lösung: Überprüfen Sie die Umgebungsvariableneinstellungen und starten Sie neu.

    •  

  • Problem: GPU wird nicht verwendet
    Lösung: Versuchen Sie, den NVIDIA-Treiber neu zu installieren.

    •  

  • Problem: Inkompatibilität zwischen CUDA und Software
    Lösung: Überprüfen Sie die von der Software unterstützte CUDA-Version und installieren Sie eine entsprechende Version.

9. Zusammenfassung

Dieser Artikel hat die detaillierten Installationsschritte für CUDA und cuDNN in einer Ubuntu-Umgebung erläutert. Durch die genaue Befolgung dieser Schritte ist es möglich, eine Hochleistungs-GPU-Computing-Umgebung einzurichten. Wer sich mit Deep Learning oder wissenschaftlichen Berechnungen befassen möchte, sollte als nächsten Schritt die Einrichtung von TensorFlow oder PyTorch in Betracht ziehen.

Verwandte Artikel

Verwandte_Artikel
So installieren Sie Nvidia-Treiber unter Ubuntu ganz einfach | Der vollständige Leitfaden

So installieren Sie Nvidia-Treiber unter Ubuntu 1. Einführung: Warum Nvidia-Treiber unter Ubuntu verwenden? […]

Verwandte_Artikel
Ubuntu GPU-Überprüfungsleitfaden – Verwendung und Einrichtung von nvidia-smi

1. Einführung Wenn Sie eine GPU unter Ubuntu nutzen, ist es wichtig, ihren Status genau zu überprüfen. Besonders bei Au[…]