Útmutató az NVIDIA CUDA telepítéséhez Windows (WSL) és Ubuntu rendszeren

Ha gépi tanulással, számítógépes látással vagy nagy teljesítményű számítástechnikával dolgozol, az NVIDIA CUDA telepítése szinte kötelező a GPU-gyorsítás előnyeinek kihasználásához. A megfelelő illesztőprogram és eszközkészlet verziójának kiválasztása A lényeg, hogy elkerüljük a hibákat és a legtöbbet hozzuk ki belőle hardver az első perctől kezdve.

Ebben az útmutatóban lépésről lépésre és kitérők nélkül elmagyarázom, hogyan lehet a CUDA-t készenlétben tartani Windows rendszerben a WSL-en (Windows alrendszer) keresztül Linux), mint az Ubuntu 22.04 és 24.04 verzióiban. Látni fogja a követelményeket, ellenőrzéseket, különleges eseteket is, például az RTX 50-et. És mi történik, ha csak az illesztőprogramot telepíted, és egy adott verziójú nvcc-t látsz anélkül, hogy kérted volna?

Követelmények és kompatibilitás

Mielőtt bármihez hozzáérnél, érdemes ellenőrizni a kiindulópontot. Legalább egy CUDA-kompatibilis GPU-ra van szükséged (a modellek listáját lásd a hivatalos NVIDIA útmutatóban), és referenciaként számos AI-munkafolyamathoz 6 GB dedikált videomemória ajánlott.

Ha Windows rendszert fogsz használni WSL-lel, a támogatás széleskörű: A windows 11 A Windows 10 legújabb frissítései (21H2 és újabb verziók) lehetővé teszik a CUDA-t használó gépi tanulási eszközök, könyvtárak és keretrendszerek futtatását Linux disztribúción belül WSL-en. Ez lefedi a PyTorch, a TensorFlow, a Docker és az NVIDIA Container Toolkit csomagokat. pont mint egy natív Linuxban.

Az NVIDIA GPU-példányokat tartalmazó nyilvános felhőkörnyezetekben gyakran a legjobb, ha a felhőszolgáltató által biztosított virtuálisgép-rendszerképpel kezdünk. Ezek a képfájlok már tartalmazzák a megfelelő illesztőprogramot és a CUDA Toolkit-et. és megspórolsz magadnak néhány trükkös lépést. Ha a saját gépedre telepítesz, olvass tovább.

A WSL GPU-funkcióinak használatához győződjön meg arról, hogy a WSL-en belüli Linux kernel naprakész. 5.10.43.3-as vagy újabb verzió szükségesEllenőrizheted innen: PowerShell val vel:

wsl cat /proc/version

Ha frissítenie kell a WSL-t, lépjen a Windows beállítások → menüpontra. windows Update és kattintson a Frissítések keresése gombra. A kernel naprakészen tartása elkerüli a CUDA-val való inkompatibilitásokat és más GPU-komponensek a WSL-ben.

CUDA Windows rendszeren WSL-en keresztül: illesztőprogram, WSL és disztribúció

A sorrend számít. Először is telepítsd a CUDA-támogatású NVIDIA illesztőprogramot a WSL-re. Töltse le és telepítse a CUDA-kompatibilis NVIDIA illesztőprogramot a WSL-re az NVIDIA által ajánlott a GPU-hoz és a Windows verziójához. Ez az illesztőprogram lehetővé teszi a GPU-gyorsítást a Linux alrendszeren belül.

A driver telepítése után engedélyezd a WSL-t, és telepíts egy glibc-alapú disztribúciót, például Ubuntut vagy Debiant. A WSL engedélyezése és telepítése után futtassa a frissítéseket. a Windows Update-ből a WSL kernel naprakészen tartása érdekében.

Ellenőrizd a kernel verzióját PowerShellből (vagy konzolról) a következővel:

wsl cat /proc/version

Ha a kerneled kompatibilis (≥ 5.10.43.3), akkor mostantól olyan gépi tanulási keretrendszerekkel és eszközökkel dolgozhatsz, mint a PyTorch vagy a TensorFlow a WSL-en belül. a Docker és az NVIDIA Container Toolkit használata mellett mintha natív Linuxot használnál. Ha bármilyen problémába ütközöl, az NVIDIA a visszajelzéseket és a CUDA támogatást a WSL-ben központosítja a közösségén keresztül.

NVIDIA illesztőprogramok Ubuntu 22.04 és 24.04 rendszeren (RTX 50-et is tartalmaz)

Ubuntuban az első lépés szintén a meghajtóprogram. Az újabb GPU-k esetében van egy fontos kikötés: Az RTX 50-esekhez 570.xxx.xx vagy újabb illesztőprogram szükségesA régebbi verziók esetleg nem működnek megfelelően, így a klasszikus telepítési módszerek sikertelenek lehetnek.

Az Ubuntu 22.04-ben praktikus a használata hivatalos NVIDIA telepítő .run formátumban. Kezdjük néhány előfeltétellel:

sudo apt -y install gcc make

Töltsd le a telepítőt az NVIDIA weboldaláról, adj neki végrehajtási engedélyeket, és indítsd el. Válassza az MIT/GPL opciót a nyílt forráskódú illesztőprogram telepítéséhez és kerülje el a „Nincsenek eszközök” hibát újraindítás után:

wget https://us.download.nvidia.com/XFree86/Linux-x86_64/570.124.04/NVIDIA-Linux-x86_64-570.124.04.run
sudo chmod +x NVIDIA-Linux-x86_64-570.124.04.run
sudo ./NVIDIA-Linux-x86_64-570.124.04.run

Ha kész, indítsa újra a rendszert hogy a driver megfelelően betöltődjön:

sudo shutdown -r now

Bizonyos környezetekben tanácsos lehet a GRUB konfigurációját újraépíteni, hogy a rendszer a megfelelő kernelparaméterekkel induljon el az illesztőprogram telepítése után. Ha kétségei vannak afelől csomagtartóA GRUB újragenerálása általában megoldja a problémát. mielőtt megőrülnél a diagnózisokkal.

Egy másik javaslat, amely a legutóbbi telepítések során megjelenik az illesztőprogram ezen ágával, a GSP letiltása és újraindítása. A GSP letiltása bizonyos számítógépeken megelőzheti a konfliktusokat., különösen, ha az 570-es telepítése után rendellenes viselkedést tapasztal.

Az Ubuntu 24.04 esetében van egy másik apróság is: az ubuntu-drivers eszköz továbbra sem feltétlenül ismeri fel a RTX 5090 és nem is kínálja fel a megfelelő opciót. Ebben az esetben telepítse manuálisan a megfelelő csomagot és ne felejtsd el megadni az open utótagot:

sudo apt install nvidia-driver-570-server-open

Az open postfix nélkül előfordulhat, hogy a rendszer nem azonosítja a GPU-t, és a „Nincsenek eszközök” üzenet jelenik meg. Telepítés után indítsa újra a modul betöltéséhez:

sudo shutdown -r now

Ha úgy tetszik, a 24.04-es verzióban ugyanazt az eljárást alkalmazhatja, mint a 22.04-es verzióban, az NVIDIA .run telepítő használatával. Válassza ki az Ön áramlásának leginkább megfelelő módszert és a környezeted irányelveit.

A CUDA Toolkit telepítése Ubuntura (12.4 vs 12.8 és környezeti elérési utak)

Miután megvan az illesztőprogram, itt az ideje telepíteni az eszközkészletet. A jelenlegi ökoszisztémában, A PyTorch zökkenőmentesen működik a CUDA 12.4 és 12.8 verziókkal, de ha RTX 50-et használsz, a 12.8-as verzió ajánlott a fejlett funkciókhoz és az optimalizált kernelekhez. Nézzünk meg egy robusztus módszert az NVIDIA helyi adattárának használatával:

Először töltse le a pin fájl az NVIDIA repo rangsorolásához:

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-ubuntu2404.pin

Mozgasd a tűt a APT beállítások könyvtára:

sudo mv cuda-ubuntu2404.pin /etc/apt/preferences.d/cuda-repository-pin-600

Most töltse le az eszközkészlet helyi tárhelyét (például a 12.8.1-es verzióval az Ubuntu 24.04-hez):

wget https://developer.download.nvidia.com/compute/cuda/12.8.1/local_installers/cuda-repo-ubuntu2404-12-8-local_12.8.1-570.124.06-1_amd64.deb

Telepítsd a dpkg-vel és add hozzá a GPG kulcsot a kulcstartóhoz Ubuntuból, hogy az APT megbízzon a repóban:

sudo dpkg -i cuda-repo-ubuntu2404-12-8-local_12.8.1-570.124.06-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2404-12-8-local/cuda-*-keyring.gpg /usr/share/keyrings/

Indexek frissítése és az eszközkészlet telepítése:

sudo apt-get update && sudo apt-get -y install cuda-toolkit-12-8

Indítsa újra a számítógépet hogy elkerüljük a meglepetéseket az újonnan telepített könyvtárakkal kapcsolatban:

sudo shutdown -r now

A telepítés után érdemes ellenőrizni, hogy a CUDA elérhető-e, és hozzáadni az elérési utakat a környezethez. Adja hozzá a változókat a shellhez úgy, hogy az nvcc és a függvénykönyvtárak a PATH-ban legyenek. a jövőbeli munkamenetekben. Például Bash-ban:

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

Ha Zsh-t használsz, hozzáadhatod a ~/.zshrc fájlhoz, nem interaktív munkamenetek esetén pedig a ~/.profile vagy a ~/.bash_profile fájlhoz. A cél az, hogy bármilyen terminál vagy a bejelentkezés megtalálta a CUDA könyvtárakat anélkül, hogy minden alkalommal bármit is konfigurálnod kellene.

Ellenőrizze a telepítést a következővel:

nvcc --version

Ha nem szeretnéd kezelni a helyi adattárakat, további szkriptek és források is segíthetnek, ha elakadsz. Ne felejtse el megőrizni az illesztőprogram és az eszközkészlet verziói közötti konzisztenciát. általában a problémák 90%-át megoldja.

Windows specifikus eszközökhöz: CUDA 10.1 és cuDNN 7.6.4 (Model Builder eset)

Vannak olyan eszközök, amelyek speciális, régebbi verziókat igényelnek. Ez a helyzet bizonyos képosztályozási forgatókönyveknél a Model Builderrel, amelyek megkövetelik a következőket: CUDA 10.1 és cuDNN 7.6.4 a 10.1-es verzióhozEbben az összefüggésben győződjön meg a következőkről:

• Rendelkezik NVIDIA fejlesztői fiókkal hozzáférni descargas.
• Kizárólag a CUDA v10.1 telepítése; nincsenek magasabb verziók az adott forgatókönyvhöz.
• Töltsd le a cuDNN v7.6.4-et a CUDA 10.1-hez, csomagold ki és másolja a szükséges bináris fájlt.

A cuDNN zip letöltése után csomagold ki, és másold a cudnn64_7.dll fájlt az eszközkészlet elérési útjára. Ne feledd, hogy nem lehet egyszerre több cuDNN verziód. ugyanabban a környezetben. Példa útvonal:

<CUDNN_zip_files_path>\cuda\bin\cudnn64_7.dll -> <YOUR_DRIVE>\Archivos de programa\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin

Nincs elérhető helyi vagy Azure GPU? Ezek a forgatókönyvek futtathatók CPU-n, de az edzés lényegesen lassabb leszÉrdemes lehet GPU-val rendelkező virtuális gépet használni, ha El Tiempo es crítico

Ellenőrzések, útvonalak és gyakori kérdések

Mi CUDA verzió van a rendszereden? A gyors ellenőrzés a következő:

nvcc --version

Ha Ubuntut használsz, és telepítettél egy illesztőprogramot APT-vel (pl. nvidia-driver-525), és az nvcc 11.2-t látod a listában anélkül, hogy explicit módon telepítetted volna az eszközkészletet, ne ess pánikba. Bizonyos konfigurációkban az illesztőprogram telepítése magával húzhatja a CUDA csomagokat vagy már szerepeltek az alap rendszerképben. Nem mindig tudod kiválasztani az eszközkészlet verzióját, ha csak az illesztőprogramot telepíted.

Ha ellenőrizni szeretnéd a pontos CUDA verziót, telepítsd az NVIDIA repository-t és a hozzá tartozó eszközkészlet-csomagot (pl. cuda-toolkit-12-8), ahogy azt már láttuk. Ez biztosítja, hogy az eszközkészlet verziója összhangban legyen az illesztőprogrammal. és a keretrendszereid igényeivel.

Ne felejtsd el konfigurálni a környezeti változókat bináris fájlok és könyvtárak megkereséséhez. Bash-ban a következőt adhatod hozzá a ~/.bashrc fájlodhoz:

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

Zsh-ban használd a ~/.zshrc fájlt, és ha bejelentkezésekre szeretnéd, akkor a ~/.profile vagy a ~/.bash_profile fájlt. Ezen elérési utak nélkül egyes alkalmazások nem fogják megtalálni a CUDA könyvtárakat.még akkor is, ha az eszközkészlet telepítve van.

Windows rendszerben, ha nem biztos benne, hogy melyik GPU-val rendelkezik, többféleképpen is ellenőrizheti. A Beállításokban: kattintson a jobb gombbal a Start menü → Beállítások → Rendszer → Kijelző → Kapcsolódó beállítások → Speciális megjelenítési lehetőségekre. A márka és a modell az „Információk megjelenítése” alatt jelenik meg.Szintén a FeladatkezelőTeljesítmény fül → GPU a részletek megtekintéséhez.

Ha nem látod a GPU-t a Beállításokban vagy a Feladatkezelőben, de tudod, hogy az NVIDIA telepítve van, nyisd meg a Eszközkezelő → Kijelzőadapterek → Telepítse a GPU-hoz megfelelő illesztőprogramotA frissítések megtekinthetők a GeForce Experience-ben, és ha az sem sikerül, a legújabb illesztőprogramot mindig letöltheti az NVIDIA weboldaláról.

WSL-forgatókönyvek esetén ne feledd: NVIDIA illesztőprogram CUDA-támogatással WSL-ben, WSL-engedélyezett, glibc-alapú disztribúció, 5.10.43.3-as vagy újabb kernel, majd a keretrendszereid (PyTorch/TensorFlow) vagy konténerek NVIDIA Container Toolkittel. Ez a telepítési sorrend elkerüli a szűk keresztmetszeteket és a nehezen hibakereshető hibákat..

Ubuntu 22.04/24.04 alatt, ha RTX 50-et használsz, maradj az 570-es ágnál, 24.04 alatt pedig az nvidia-driver-570-server-open csomagot vagy a .run telepítőt. Ne felejtsd el újraindítani a gépet, és ha szükséges, letiltani a GSP-t.Az eszközkészlet tekintetében a 12.8-as verzió a biztos választás RTX 50-nel; a PyTorch a 12.4-est is támogatja, de a 12.8-as verzióval jobb optimalizálásokat kapsz.

Ha minden a helyén van, a folyamatokat natív Linuxon vagy WSL-en futtathatja Dockerrel, vagy közvetlenül PyTorch/TensorFlow-val. Ha valami nem indul el, ellenőrizze a verziókat, a környezeti elérési utakat és a kompatibilitást. mielőtt a telepítés felét megváltoztatnád. Sok probléma megoldható az illesztőprogram és az eszközkészlet összehangolásával, valamint azzal, hogy a rendszer "látja" a GPU-t.

Ez az útmutató összefoglalja a CUDA megbízható telepítésének alapvető tudnivalóit Windows (WSL-en keresztül) és Ubuntu rendszeren, kitérve a követelményekre, az RTX 50 illesztőprogramokra, a 12.8-as eszközkészlet telepítésére helyi adattárral, a környezeti elérési utakra és a használati útmutatókra. Ezzel a térképpel a lehető legkisebb súrlódással kell működésbe hoznod a GPU-dat..