การติดตั้ง CUDA & cuDNN บน Ubuntu: คู่มือฉบับสมบูรณ์สำหรับ AI และ Deep Learning

1. บทนำ

CUDA (Compute Unified Device Architecture) เป็นแพลตฟอร์มการประมวลผลแบบขนานและ API ที่ NVIDIA พัฒนาขึ้นมา ซึ่งช่วยให้สามารถประมวลผลคำนวณด้วยความเร็วสูงโดยใช้ GPU ได้
มีการนำไปใช้ในหลากหลายสาขา เช่น Machine Learning, Deep Learning และการคำนวณทางวิทยาศาสตร์และเทคโนโลยี
บทความนี้จะอธิบายขั้นตอนการติดตั้ง CUDA บน Ubuntu โดยละเอียด

2. ข้อกำหนดเบื้องต้น

2.1 ตรวจสอบความเข้ากันได้ของ GPU

ก่อนอื่น ให้ตรวจสอบว่า NVIDIA GPU ที่ติดตั้งอยู่ในระบบของคุณรองรับ CUDA หรือไม่
โปรดรันคำสั่งต่อไปนี้ในเทอร์มินัล:

lspci | grep -i nvidia

หากผลลัพธ์ของคำสั่งนี้แสดงอุปกรณ์ NVIDIA แสดงว่า GPU ของคุณได้รับการจดจำแล้ว
คุณสามารถตรวจสอบรายการ GPU ที่รองรับโดยละเอียดได้ที่เว็บไซต์อย่างเป็นทางการของ NVIDIA

2.2 ตรวจสอบเวอร์ชัน Ubuntu

CUDA รองรับ Ubuntu บางเวอร์ชันเท่านั้น
มาตรวจสอบเวอร์ชัน Ubuntu ปัจจุบันของคุณด้วยคำสั่งต่อไปนี้:

lsb_release -a

โดยทั่วไปแล้ว แนะนำให้ใช้ Ubuntu LTS (Long Term Support)
โปรดตรวจสอบข้อมูลการสนับสนุนล่าสุดในเอกสารอย่างเป็นทางการของ NVIDIA

2.3 ตรวจสอบการติดตั้ง gcc

การติดตั้ง CUDA จำเป็นต้องมีคอมไพเลอร์ gcc
ตรวจสอบสถานะการติดตั้งด้วยคำสั่งต่อไปนี้:

gcc --version

หากยังไม่ได้ติดตั้ง gcc โปรดติดตั้งด้วยคำสั่งต่อไปนี้:

sudo apt install build-essential

3. การติดตั้งไดรเวอร์ NVIDIA

3.1 การลบไดรเวอร์ที่มีอยู่

หากมีการติดตั้งไดรเวอร์ NVIDIA เวอร์ชันเก่าอยู่ โปรดลบออกเพื่อหลีกเลี่ยงความขัดแย้ง
รันคำสั่งต่อไปนี้:

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

3.2 การเลือกและติดตั้งไดรเวอร์ที่เหมาะสม

ตรวจสอบไดรเวอร์ที่เหมาะสมสำหรับ GPU ของคุณจากเว็บไซต์อย่างเป็นทางการของ NVIDIA และดำเนินการติดตั้งตามขั้นตอนต่อไปนี้

 
1. เพิ่ม Repository รันคำสั่งต่อไปนี้ในเทอร์มินัลเพื่อเพิ่ม repository ของไดรเวอร์ NVIDIA

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

 
2. ตรวจสอบไดรเวอร์ที่แนะนำ ใช้คำสั่งต่อไปนี้เพื่อตรวจสอบไดรเวอร์ที่แนะนำ

   ubuntu-drivers devices

ติดตั้งไดรเวอร์ที่แสดง “recommended” ในผลลัพธ์

 
3. ติดตั้งไดรเวอร์ ระบุหมายเลขเวอร์ชันที่แนะนำเพื่อติดตั้งไดรเวอร์

   sudo apt install nvidia-driver-<เวอร์ชันที่แนะนำ>

 
4. รีบูตหลังจากติดตั้ง เมื่อการติดตั้งไดรเวอร์เสร็จสมบูรณ์ ให้รีบูตระบบด้วยคำสั่งต่อไปนี้

   sudo reboot

4. การติดตั้ง CUDA Toolkit

4.1 การเลือกเวอร์ชัน CUDA

ที่ หน้าดาวน์โหลด CUDA อย่างเป็นทางการของ NVIDIA โปรดตรวจสอบเวอร์ชัน CUDA ที่เข้ากันได้กับ GPU และเวอร์ชัน Ubuntu ของคุณ
หากใช้เวอร์ชันล่าสุด โปรดตรวจสอบความเข้ากันได้กับซอฟต์แวร์และไลบรารี

4.2 การเพิ่ม Repository และการติดตั้ง

ติดตั้ง CUDA Toolkit ตามขั้นตอนต่อไปนี้

 
1. เพิ่ม Repository เพิ่ม repository ของ NVIDIA (ตัวอย่างสำหรับ 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

 
2. เพิ่ม Repository Key ดึงและติดตั้ง repository key

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

 
3. ติดตั้งแพ็กเกจ CUDA ติดตั้ง CUDA Toolkit

   sudo apt update
   sudo apt install cuda

 
4. ตรวจสอบหลังการติดตั้ง ตรวจสอบว่า CUDA ได้รับการติดตั้งอย่างถูกต้องหรือไม่

   nvcc --version

5. การตั้งค่าตัวแปรสภาพแวดล้อม

5.1 การตั้งค่า PATH และ LD_LIBRARY_PATH

ในการใช้ CUDA คุณต้องตั้งค่าตัวแปรสภาพแวดล้อมอย่างถูกต้อง โปรดปฏิบัติตามขั้นตอนต่อไปนี้

 
1. แก้ไขไฟล์ .bashrc

   nano ~/.bashrc

 
2. เพิ่มบรรทัดต่อไปนี้

   export PATH=/usr/local/cuda/bin:$PATH
   export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

 
3. ใช้การตั้งค่า บันทึกการแก้ไขและโหลดเทอร์มินัลใหม่

   source ~/.bashrc

6. การติดตั้ง cuDNN

6.1 cuDNN คืออะไร

cuDNN (CUDA Deep Neural Network library) เป็นไลบรารีการเร่งความเร็ว GPU ที่ได้รับการปรับให้เหมาะสมสำหรับการเรียนรู้เชิงลึก

6.2 การดาวน์โหลด cuDNN

ดาวน์โหลด cuDNN ที่เข้ากันได้กับเวอร์ชัน CUDA ที่คุณใช้จาก เว็บไซต์อย่างเป็นทางการของ NVIDIA
ต้องมีบัญชี NVIDIA ในการดาวน์โหลด

6.3 ขั้นตอนการติดตั้ง cuDNN

 
1. แตกไฟล์ Archive แตกไฟล์ cuDNN archive ที่ดาวน์โหลดมา

   tar -xzvf cudnn-<เวอร์ชัน>.tgz

 
2. คัดลอกไฟล์ คัดลอกไฟล์ที่จำเป็นไปยังไดเร็กทอรี 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*

 
3. ตรวจสอบการติดตั้ง ตรวจสอบเวอร์ชัน cuDNN ด้วยคำสั่งต่อไปนี้

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

7. การยืนยันการติดตั้ง

7.1 ตรวจสอบการทำงานของ CUDA

ตรวจสอบว่า CUDA ได้รับการติดตั้งอย่างถูกต้องหรือไม่ด้วยคำสั่งต่อไปนี้:

nvcc --version

7.2 การรันโปรแกรมตัวอย่าง

รันโปรแกรมตัวอย่างของ CUDA เพื่อตรวจสอบการทำงาน

 
1. ตั้งค่าตัวอย่าง

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

 
2. รันโปรแกรม

   ./deviceQuery

หากผลลัพธ์แสดง “PASS” แสดงว่าการติดตั้งสำเร็จ

8. การแก้ไขปัญหา

8.1 ปัญหาที่พบบ่อยและวิธีแก้ไข

 
• ปัญหา: ไม่รู้จัก CUDA อย่างถูกต้อง
  วิธีแก้ไข: ตรวจสอบการตั้งค่าตัวแปรสภาพแวดล้อมอีกครั้งและรีบูต

 

• ปัญหา: ไม่สามารถใช้ GPU ได้
  วิธีแก้ไข: ลองติดตั้งไดรเวอร์ NVIDIA ใหม่

 

• ปัญหา: CUDA ไม่เข้ากันกับซอฟต์แวร์
  วิธีแก้ไข: ตรวจสอบเวอร์ชัน CUDA ที่ซอฟต์แวร์รองรับและติดตั้งเวอร์ชันที่เหมาะสม

9. สรุป

ในบทความนี้ เราได้อธิบายขั้นตอนการติดตั้ง CUDA และ cuDNN บน Ubuntu โดยละเอียด
การดำเนินการตามขั้นตอนเหล่านี้อย่างถูกต้องจะช่วยให้คุณสามารถสร้างสภาพแวดล้อมการคำนวณ GPU ที่มีความเร็วสูงได้
สำหรับผู้ที่ต้องการนำไปใช้ในการเรียนรู้เชิงลึกและการคำนวณทางวิทยาศาสตร์ ควรพิจารณาการตั้งค่า TensorFlow หรือ PyTorch ในขั้นตอนต่อไป

บทความที่เกี่ยวข้อง

บทความที่เกี่ยวข้อง

วิธีติดตั้งไดรเวอร์ Nvidia บน Ubuntu: เพิ่มประสิทธิภาพการ์ดจอสำหรับเกมและงาน

1. เหตุผลที่ควรใช้ไดรเวอร์ Nvidia บน Ubuntu Ubuntu มีไดรเวอร์ Nouveau แบบโอเพนซอร์สให้เป็นค่าเริ่มต้น แต่การติดตั้งไดรเ[…]

บทความที่เกี่ยวข้อง

วิธีใช้ nvidia-smi ตรวจสอบสถานะ GPU บน Ubuntu

1. บทนำ เมื่อใช้งาน GPU บน Ubuntu สิ่งสำคัญคือต้องตรวจสอบสถานะอย่างถูกต้อง โดยเฉพาะอย่างยิ่งสำหรับงาน Deep Learning หรื[…]