1. Introduzione
CUDA (Compute Unified Device Architecture) è una piattaforma di calcolo parallelo e un’API fornita da NVIDIA che consente l’elaborazione ad alta velocità utilizzando le GPU.
È ampiamente usata in settori come il machine learning, il deep learning e il calcolo scientifico.
Questo articolo spiega la procedura passo‑passo per installare CUDA in un ambiente Ubuntu.
2. Prerequisiti
2.1 Come verificare una GPU supportata
Prima di tutto, verifica se la GPU NVIDIA installata nel tuo sistema è compatibile con CUDA.
Esegui il seguente comando nel terminale:
lspci | grep -i nvidia
Se un dispositivo NVIDIA appare nell’output, la tua GPU è riconosciuta.
Puoi controllare l’elenco completo delle GPU supportate sul sito ufficiale di NVIDIA.
2.2 Verificare la versione di Ubuntu
CUDA supporta versioni specifiche di Ubuntu.
Usa il comando seguente per controllare la tua attuale versione di Ubuntu:
lsb_release -a
In generale, le versioni LTS (Long Term Support) di Ubuntu sono consigliate.
Consulta la documentazione ufficiale di NVIDIA per le informazioni più recenti sul supporto.
2.3 Verificare se gcc è installato
Il compilatore gcc è necessario per installare CUDA.
Controlla lo stato dell’installazione con il comando seguente:
gcc --version
Se gcc non è installato, esegui questo comando per installarlo:
sudo apt install build-essential
3. Installazione del driver NVIDIA
3.1 Rimuovere i driver esistenti
Se sono installati driver NVIDIA più vecchi, rimuovili per evitare conflitti.
Esegui i seguenti comandi:
sudo apt-get --purge remove '*nvidia*'
sudo apt-get autoremove
3.2 Selezionare e installare il driver appropriato
Controlla il sito ufficiale di NVIDIA per trovare il driver corretto per la tua GPU, quindi installalo seguendo i passaggi qui sotto.
- Aggiungere il repository — Esegui i seguenti comandi per aggiungere il repository dei driver NVIDIA:
sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update
- Verificare i driver consigliati — Usa questo comando per trovare il driver consigliato:
ubuntu-drivers devices
Installa il driver etichettato come “consigliato”.
- Installare il driver — Specifica la versione consigliata durante l’installazione:
sudo apt install nvidia-driver-<recommended-version>
- Riavviare il sistema — Dopo l’installazione, riavvia Ubuntu:
sudo reboot
4. Installazione del toolkit CUDA
4.1 Selezionare la versione di CUDA
Sulla official CUDA download page, verifica quale versione di CUDA è compatibile con la tua GPU e la tua versione di Ubuntu.
Se scegli la versione più recente, assicurati che sia compatibile con il tuo software e le tue librerie.
4.2 Aggiungere il repository e installare
Segui i passaggi qui sotto per installare il toolkit CUDA.
- Aggiungere il repository — L’esempio seguente utilizza 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
- Aggiungere la chiave del repository — Recupera e installa la chiave del repository:
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
- Installare il pacchetto CUDA — Installa il toolkit CUDA:
sudo apt update sudo apt install cuda
- Verificare l’installazione — Conferma che CUDA sia installato:
nvcc --version
5. Configurazione delle variabili d’ambiente
5.1 Configurare PATH e LD_LIBRARY_PATH
Per utilizzare CUDA, è necessario configurare correttamente le variabili d’ambiente. Segui questi passaggi:
- Modificare il file
.bashrcnano ~/.bashrc
- Aggiungere le seguenti righe
export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
- Applicare le modifiche — Salva e ricarica il terminale:
source ~/.bashrc
6. Installazione di cuDNN
6.1 Cos’è cuDNN?
cuDNN (CUDA Deep Neural Network library) è una libreria accelerata da GPU ottimizzata per carichi di lavoro di deep learning.
6.2 Scarica cuDNN
Scarica la versione di cuDNN compatibile con la tua installazione di CUDA dal sito ufficiale NVIDIA.
È necessario un account NVIDIA per effettuare il download.
6.3 Procedura di installazione
- Estrai l’archivio — Decomprimi l’archivio cuDNN scaricato:
tar -xzvf cudnn-<version>.tgz
- Copia i file — Copia i file necessari nella directory di 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*
- Verifica l’installazione — Controlla la versione di cuDNN con questo comando:
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
7. Verifica l’installazione
7.1 Verifica il funzionamento di CUDA
Esegui il seguente comando per verificare che CUDA sia installato correttamente:
nvcc --version
7.2 Esegui i programmi di esempio
Esegui i programmi di esempio CUDA per testare la funzionalità.
- Configura gli esempi
cuda-install-samples-<version>.run cd ~/NVIDIA_CUDA-<version>_Samples/1_Utilities/deviceQuery make
- Esegui il programma
./deviceQuery
Se l’output mostra “PASS”, l’installazione è avvenuta con successo.
8. Risoluzione dei problemi
8.1 Problemi comuni e soluzioni
- Problema: CUDA non è riconosciuto Soluzione: Ricontrolla le variabili d’ambiente e riavvia il sistema.
- Problema: La GPU non viene utilizzata Soluzione: Prova a reinstallare il driver NVIDIA.
- Problema: Incompatibilità tra CUDA e il tuo software Soluzione: Verifica quale versione di CUDA supporta il tuo software e installa la versione corrispondente.
9. Conclusione
Questo articolo ha fornito una guida dettagliata per l’installazione di CUDA e cuDNN in un ambiente Ubuntu.
Seguendo questi passaggi con precisione, puoi creare un ambiente di calcolo GPU ad alte prestazioni.
Se prevedi di utilizzare deep learning o calcoli scientifici, considera di configurare TensorFlow o PyTorch come prossimo passo.
