Cómo aprovechar el poder del código abierto ～ Bienvenido al mundo de Ubuntu ～

Instalar CUDA y cuDNN en Ubuntu: Guía paso a paso para configurar GPU NVIDIA

Creación de entornos de desarrollo
目次

1. Introducción

CUDA (Compute Unified Device Architecture) es una plataforma y API de computación paralela desarrollada por NVIDIA que permite realizar cálculos de alta velocidad utilizando la GPU. Se utiliza en múltiples campos como el aprendizaje automático, el deep learning y los cálculos científicos. En este artículo explicaremos en detalle los pasos para instalar CUDA en un entorno Ubuntu.

2. Requisitos previos

2.1 Cómo comprobar si la GPU es compatible

Primero, verifica si la GPU NVIDIA instalada en tu sistema es compatible con CUDA. Ejecuta el siguiente comando en la terminal:
lspci | grep -i nvidia
Si la salida muestra un dispositivo NVIDIA, la GPU está siendo reconocida. Puedes consultar la lista completa de GPUs compatibles en el sitio oficial de NVIDIA.

2.2 Verificar la versión de Ubuntu

CUDA es compatible solo con versiones específicas de Ubuntu. Verifica tu versión actual con el siguiente comando:
lsb_release -a
Generalmente, se recomienda usar una versión LTS (Long Term Support) de Ubuntu. Consulta la documentación oficial de NVIDIA para la información de soporte más reciente.

2.3 Verificar la instalación de gcc

Para instalar CUDA se requiere el compilador gcc. Verifica su instalación con:
gcc --version
Si no está instalado, ejecútalo con:
sudo apt install build-essential
 

3. Instalación del controlador NVIDIA

3.1 Eliminar controladores existentes

Si hay controladores antiguos instalados, elimínalos para evitar conflictos:
sudo apt-get --purge remove '*nvidia*'
sudo apt-get autoremove

3.2 Selección e instalación del controlador adecuado

Desde el sitio oficial de NVIDIA, identifica el controlador adecuado para tu GPU y sigue estos pasos:
  1. Añadir el repositorio Ejecuta en la terminal:
   sudo add-apt-repository ppa:graphics-drivers/ppa
   sudo apt-get update
  1. Comprobar el controlador recomendado Usa el siguiente comando:
   ubuntu-drivers devices
Instala el que aparezca como “recommended”.
  1. Instalar el controlador Especifica la versión recomendada:
   sudo apt install nvidia-driver-<versión-recomendada>
  1. Reiniciar el sistema Tras la instalación:
   sudo reboot

4. Instalación del toolkit CUDA

4.1 Selección de la versión de CUDA

En la página oficial de descargas CUDA, revisa la versión compatible con tu GPU y Ubuntu. Si usas la última versión, asegúrate de la compatibilidad con tu software y librerías.

4.2 Añadir repositorio e instalación

Pasos para instalar el toolkit:
  1. Añadir repositorio (ejemplo 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. Añadir clave del repositorio:
   sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
  1. Instalar CUDA:
   sudo apt update
   sudo apt install cuda
  1. Verificar la instalación:
   nvcc --version
 

5. Configuración de variables de entorno

5.1 Configuración de PATH y LD_LIBRARY_PATH

Para usar CUDA es necesario configurar correctamente las variables de entorno. Sigue estos pasos:
  1. Editar el archivo .bashrc
   nano ~/.bashrc
  1. Añadir las siguientes líneas
   export PATH=/usr/local/cuda/bin:$PATH
   export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
  1. Aplicar la configuración Guarda y recarga la terminal.
   source ~/.bashrc

6. Instalación de cuDNN

6.1 ¿Qué es cuDNN?

cuDNN (CUDA Deep Neural Network library) es una librería de aceleración GPU optimizada para deep learning.

6.2 Descarga de cuDNN

Descarga cuDNN compatible con tu versión de CUDA desde el sitio oficial de NVIDIA. Se requiere una cuenta de NVIDIA para la descarga.

6.3 Pasos de instalación de cuDNN

  1. Extraer el archivo Descomprime el archivo descargado:
   tar -xzvf cudnn-<versión>.tgz
  1. Copiar archivos Copia los archivos necesarios al directorio de CUDA:
   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. Verificar la instalación Comprueba la versión de cuDNN:
   cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
 

7. Verificación de la instalación

7.1 Comprobar el funcionamiento de CUDA

Ejecuta el siguiente comando para confirmar que CUDA está correctamente instalado:
nvcc --version

7.2 Ejecutar programas de ejemplo

Ejecuta los programas de ejemplo incluidos para verificar su funcionamiento:
  1. Configurar ejemplos
   cuda-install-samples-<versión>.run
   cd ~/NVIDIA_CUDA-<versión>_Samples/1_Utilities/deviceQuery
   make
  1. Ejecutar el programa
   ./deviceQuery
Si en la salida aparece “PASS”, la instalación ha sido exitosa.

8. Solución de problemas

8.1 Problemas comunes y soluciones

  • Problema: CUDA no es reconocido Solución: Verifica la configuración de variables de entorno y reinicia el sistema.
  • Problema: La GPU no se utiliza Solución: Intenta reinstalar el controlador NVIDIA.
  • Problema: Incompatibilidad entre CUDA y el software Solución: Verifica qué versión de CUDA soporta tu software e instala la correspondiente.

9. Conclusión

En este artículo explicamos detalladamente los pasos para instalar CUDA y cuDNN en Ubuntu. Si sigues correctamente las instrucciones, podrás configurar un entorno de cómputo acelerado por GPU. Quienes busquen aprovecharlo en deep learning o cálculos científicos, deberían considerar como siguiente paso la instalación de TensorFlow o PyTorch.

Artículos relacionados

Artículos
Cómo instalar y configurar los controladores Nvidia en Ubuntu (Guía completa 2025)

1. Razones para usar los controladores Nvidia en Ubuntu Ubuntu ofrece de manera predeterminada el controlador de código[…]

Artículos
Cómo verificar y monitorear GPU NVIDIA en Ubuntu con nvidia-smi

1. Introducción Al utilizar la GPU en Ubuntu, es fundamental verificar con precisión su estado. En especial, en tareas […]