Guide complet d’installation de CUDA sur Ubuntu [Débutants]

1. Introduction

CUDA (Compute Unified Device Architecture) est une plateforme de calcul parallèle et une API fournie par NVIDIA, permettant des calculs à grande vitesse en utilisant les GPU.
Elle est largement utilisée dans divers domaines, notamment l’apprentissage automatique, l’apprentissage profond et le calcul scientifique.
Ce guide fournit une explication détaillée sur la façon d’installer CUDA sur un système Ubuntu.

2. Prérequis

2.1 Vérification de la compatibilité du GPU

Tout d’abord, vérifiez que votre GPU NVIDIA prend en charge CUDA.
Exécutez la commande suivante dans le terminal :

lspci | grep -i nvidia

Si votre système reconnaît un appareil NVIDIA dans la sortie, votre GPU est détecté.
Pour une liste complète des GPU pris en charge, consultez le site officiel de NVIDIA.

2.2 Vérification de votre version d’Ubuntu

CUDA est pris en charge sur des versions spécifiques d’Ubuntu.
Vérifiez votre version actuelle d’Ubuntu en exécutant la commande suivante :

lsb_release -a

En général, les versions LTS (Long Term Support) d’Ubuntu sont recommandées.
Pour les derniers détails de compatibilité, consultez la documentation officielle de NVIDIA.

2.3 Vérification de l’installation de GCC

Le compilateur GCC est requis pour installer CUDA.
Vérifiez s’il est installé en utilisant la commande suivante :

gcc --version

Si GCC n’est pas installé, installez-le en exécutant :

sudo apt install build-essential

3. Installation des pilotes NVIDIA

3.1 Suppression des pilotes existants

Si d’anciens pilotes NVIDIA sont installés, supprimez-les pour éviter les conflits.
Exécutez les commandes suivantes :

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

3.2 Sélection et installation du pilote approprié

Consultez le site officiel de NVIDIA pour trouver le pilote correct pour votre GPU, puis suivez ces étapes pour l’installation :

1. Ajouter le dépôt : Exécutez les commandes suivantes dans le terminal pour ajouter le dépôt du pilote NVIDIA.

   sudo add-apt-repository ppa:graphics-drivers/ppa
   sudo apt-get update

1. Vérifier les pilotes recommandés : Utilisez cette commande pour voir le pilote recommandé.

   ubuntu-drivers devices

Recherchez le pilote indiqué comme « recommandé » dans la sortie.

1. Installer le pilote : Installez le pilote recommandé en spécifiant sa version.

   sudo apt install nvidia-driver-<recommended version>

1. Redémarrer le système : Après l’installation, redémarrez votre système.

   sudo reboot

4. Installation du toolkit CUDA

4.1 Choix de la version CUDA

Visitez lapage officielle de téléchargement de CUDApour trouver la version CUDA compatible avec votre GPU et votre version d’Ubuntu.
Si vous utilisez la dernière version, assurez-vous de la compatibilité avec vos logiciels et bibliothèques.

4.2 Ajout du dépôt et installation de CUDA

Suivez ces étapes pour installer le toolkit CUDA.

1. Ajouter le dépôt : Ajoutez le dépôt NVIDIA (exemple pour 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. Ajouter la clé du dépôt : Récupérez et installez la clé du dépôt.

   sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub

1. Installer les packages CUDA : Installez le kit d’outils CUDA.

   sudo apt update
   sudo apt install cuda

1. Vérifier l’installation: Vérifiez si CUDA est installé correctement.

__-28__

5. Installation de cuDNN

5.1 Téléchargement de cuDNN

cuDNN (bibliothèque CUDA Deep Neural Network) est une bibliothèque accélérée par GPU NVIDIA pour l’apprentissage profond.
Pour installer cuDNN, suivez ces étapes:

1. Allez à la page de téléchargement NVIDIA cuDNN et connectez‑vous.
2. Sélectionnez la version cuDNN appropriée compatible avec votre version CUDA.
3. Téléchargez le paquet cuDNN pour Ubuntu.

5.2 Installation de cuDNN

Après le téléchargement, installez cuDNN en utilisant les commandes suivantes:

tar -xvf cudnn-*.tar.xz
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*

Après l’installation, vérifiez que cuDNN est correctement installé en vérifiant sa version:

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

6. Configuration des variables d’environnement

Après avoir installé CUDA et cuDNN, mettez à jour les variables d’environnement pour vous assurer qu’elles sont correctement reconnues par le système.

6.1 Mise à jour du .bashrc

Modifiez le fichier .bashrc pour ajouter les chemins CUDA :

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

6.2 Vérification de l’installation de CUDA

Pour confirmer que CUDA est installé et configuré correctement, exécutez la commande suivante :

nvcc --version

Cela devrait afficher la version de CUDA installée sur votre système.

7. Exécution d’un programme de test

Pour vérifier que CUDA fonctionne correctement, compilez et exécutez un programme de test simple.

#include <stdio.h>
int main() {
    printf("CUDA setup is complete!n");
    return 0;
}

Compilez et exécutez‑le en utilisant :

gcc test.c -o test
./test

8. Dépannage

8.1 Problèmes courants et solutions

• CUDA non reconnu : Assurez-vous que les variables d’environnement sont correctement définies en exécutant echo $PATH et echo $LD_LIBRARY_PATH.
• Problèmes de pilotes : Si les pilotes NVIDIA ne fonctionnent pas, essayez de les réinstaller en suivant les étapes de la section 3.
• Incompatibilité de version cuDNN : Vérifiez que votre version cuDNN est compatible avec la version CUDA installée.

9. Conclusion

En suivant ce guide, vous devriez maintenant disposer d’un environnement CUDA pleinement fonctionnel installé sur Ubuntu.
Avec CUDA et cuDNN installés, vous pouvez commencer à exploiter l’accélération GPU pour l’apprentissage profond, le calcul scientifique et d’autres applications haute performance.

Si vous rencontrez des problèmes, consultez la documentation officielle de NVIDIA ou les forums communautaires pour obtenir une assistance supplémentaire.