De kracht van open source benutten – Welkom in de wereld van Ubuntu

Complete gids voor het installeren van CUDA op Ubuntu [Beginnervriendelijk]

Ontwikkelomgevingen opzetten
目次

1. Inleiding

CUDA ( Unified Device Architecture) is een parallelle computerplatform en API van NVIDIA, waarmee hoge‑snelheidsberekeningen met GPU’s mogelijk zijn.
Het wordt breed toegepast in diverse vakgebieden, waaronder machine learning, deep learning en wetenschappelijk rekenen.
Deze gids geeft een gedetailleerde uitleg over hoe je CUDA op een Ubuntu‑systeem installeert.

侍エンジニア塾

2. Voorvereisten

2.1 Controle van GPU‑compatibiliteit

Controleer eerst of je NVIDIA‑GPU CUDA ondersteunt.
Voer de volgende opdracht uit in de terminal:

lspci | grep -i nvidia

Als je systeem een NVIDIA‑apparaat in de uitvoer herkent, is je GPU gedetecteerd.
Voor een volledige lijst van ondersteunde GPU’s, zie de officiële website van NVIDIA.

2.2 Controle van je Ubuntu‑versie

CUDA wordt ondersteund op specifieke Ubuntu‑versies.
Controleer je huidige Ubuntu‑versie door de volgende uit te voeren:

lsb_release -a

Over het algemeen worden LTS‑versies (Long Term Support) van Ubuntu aanbevolen.
Voor de meest recente compatibiliteitsdetails, raadpleeg de officiële documentatie van NVIDIA.

2.3 Controle van GCC‑installatie

De GCC‑compiler is vereist om CUDA te installeren.
Controleer of deze geïnstalleerd is met de volgende opdracht:

gcc --version

Als GCC niet geïnstalleerd is, installeer het dan met:

sudo apt install build-essential

3. Installeren van NVIDIA‑stuurprogramma’s

3.1 Verwijderen van bestaande stuurprogramma’s

Als er oude NVIDIA‑stuurprogramma’s geïnstalleerd zijn, verwijder deze dan om conflicten te voorkomen.
Voer de volgende opdrachten uit:

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

3.2 Het juiste stuurprogramma selecteren en installeren

Bekijk de officiële NVIDIA‑website om het juiste stuurprogramma voor je GPU te vinden, en volg vervolgens deze stappen voor installatie:

  1. Repository toevoegen: Voer de volgende opdrachten uit in de terminal om de NVIDIA‑stuurprogramma‑repository toe te voegen.
   sudo add-apt-repository ppa:graphics-drivers/ppa
   sudo apt-get update
  1. Aanbevolen stuurprogramma’s controleren: Gebruik deze opdracht om het aanbevolen stuurprogramma te zien.
   ubuntu-drivers devices

Zoek in de uitvoer naar het stuurprogramma dat gemarkeerd is als “aanbevolen”.

  1. Stuurprogramma installeren: Installeer het aanbevolen stuurprogramma door de versie op te geven.
   sudo apt install nvidia-driver-<recommended version>
  1. Systeem herstarten: Na de installatie, herstart je systeem.
   sudo reboot

4. Installeren van de CUDA‑Toolkit

4.1 De CUDA‑versie kiezen

Bezoek de officiële CUDA‑downloadpagina om de compatibele CUDA‑versie voor je GPU en Ubuntu‑versie te vinden.
Als je de nieuwste versie gebruikt, zorg dan dat deze compatibel is met je software en bibliotheken.

4.2 Repository toevoegen en installeren

Volg deze stappen om de CUDA‑Toolkit te installeren.

  1. Repository toevoegen: Voeg de NVIDIA‑repository toe (voorbeeld voor 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‑sleutel toevoegen: Haal de repository‑sleutel op en installeer deze.
   sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
  1. CUDA‑pakketten installeren: Installeer de CUDA‑Toolkit.
   sudo apt update
   sudo apt install cuda
  1. Installatie verifiëren: Controleer of CUDA correct is geïnstalleerd.
   nvcc --version

5. Installeren van cuDNN

5.1 cuDNN downloaden

cuDNN (CUDA Deep Neural Network library) is een door NVIDIA GPU‑versnelde bibliotheek voor deep learning.
Om cuDNN te installeren, volg je deze stappen:

  1. Ga naar de NVIDIA cuDNN‑downloadpagina en log in.
  2. Selecteer de juiste cuDNN‑versie die compatibel is met jouw CUDA‑versie.
  3. Download het cuDNN‑pakket voor Ubuntu.

5.2 cuDNN installeren

Na het downloaden, installeer cuDNN met de volgende opdrachten:

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*

Na de installatie, controleer of cuDNN correct is geïnstalleerd door de versie te controleren:

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

6. Omgevingsvariabelen instellen

Na het installeren van CUDA en cuDNN, werk je de omgevingsvariabelen bij om ervoor te zorgen dat ze correct door het systeem worden herkend.

6.1 .bashrc bijwerken

Bewerk het .bashrc-bestand om de CUDA-paden toe te voegen:

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 De CUDA-installatie verifiëren

Om te bevestigen dat CUDA is geïnstalleerd en correct geconfigureerd, voer je de volgende opdracht uit:

nvcc --version

Dit zou de geïnstalleerde CUDA-versie op je systeem moeten weergeven.

7. Een testprogramma uitvoeren

Om te controleren of CUDA correct werkt, compileer en voer je een eenvoudig testprogramma uit.

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

Compileer en voer het uit met:

gcc test.c -o test
./test

8. Problemen oplossen

8.1 Veelvoorkomende problemen en oplossingen

  • CUDA niet herkend: Zorg ervoor dat de omgevingsvariabelen correct zijn ingesteld door echo $PATH en echo $LD_LIBRARY_PATH uit te voeren.
  • Stuurprogramma‑problemen: Als de NVIDIA‑stuurprogramma’s niet werken, probeer ze dan opnieuw te installeren met behulp van de stappen in sectie 3.
  • cuDNN‑versie mismatch: Controleer of je cuDNN‑versie compatibel is met de geïnstalleerde CUDA‑versie.

9. Conclusie

Door deze gids te volgen, zou je nu een volledig functionele CUDA‑omgeving op Ubuntu moeten hebben.
Met CUDA en cuDNN geïnstalleerd, kun je GPU‑versnelling gaan gebruiken voor deep learning, wetenschappelijk rekenen en andere high‑performance toepassingen.

Als je problemen ondervindt, raadpleeg dan de officiële documentatie van NVIDIA of de communityforums voor extra ondersteuning.