機械学習、コンピューター ビジョン、または高性能コンピューティングを扱う場合、GPU アクセラレーションを活用するには NVIDIA CUDA をインストールすることがほぼ必須です。 適切なドライバーとツールキットのバージョンを選択する 間違いを避け、最大限に活用することが重要です ハードウェア 最初のXNUMX分から。
このガイドでは、WindowsでWSL（Windows Subsystem for Linux）を使用してCUDAを準備する方法を、ステップバイステップで、回り道せずに説明します。 Linux) です。 また、要件、チェック、RTX 50などの特別なケースも表示されます。 ドライバーのみをインストールし、要求していないのに特定のバージョンの nvcc が表示される場合はどうなるでしょうか。
要件と互換性
何かに触れる前に、開始点を確認することをお勧めします。 少なくとも1つのCUDA互換GPUが必要です (モデルのリストについては、NVIDIA の公式ガイドを参照してください)。参考までに、多くの AI ワークフローでは 6 GB の専用ビデオ メモリを用意することが推奨されます。
WSL で Windows を使用する場合、サポートは広範囲にわたります。 Windows 11 Windows 10 (バージョン 21H2 以降) の最近の更新により、WSL 上の Linux ディストリビューション内で CUDA を使用する ML ツール、ライブラリ、フレームワークを実行できるようになりました。 これには、PyTorch、TensorFlow、Docker、NVIDIA Container Toolkit が含まれます。 ネイティブ Linux と同じです。
NVIDIA GPU インスタンスを備えたパブリック クラウド環境では、多くの場合、クラウド プロバイダーが提供する VM イメージから開始するのが最適です。 これらのイメージには、適切なドライバーと CUDA ツールキットがすでに付属しています。 そうすれば、面倒な手順を省くことができます。ご自身のマシンにインストールする場合は、このまま読み進めてください。
WSL の GPU 機能については、WSL 内の Linux カーネルが最新であることを確認してください。 バージョン5.10.43.3以降が必要ですから確認できます PowerShellの と：
wsl cat /proc/versionWSLを更新する必要がある場合は、Windowsの設定→ Windows Updateの 「更新プログラムの確認」をクリックします。 カーネルを最新の状態に保つことでCUDAとの非互換性を回避できる WSL のその他の GPU コンポーネント。
WSL 経由の Windows 上の CUDA: ドライバー、WSL、およびディストリビューション
順序は重要です。まず、WSL に CUDA をサポートする NVIDIA ドライバーをインストールします。 WSLにCUDA対応のNVIDIAドライバーをダウンロードしてインストールする お使いのGPUとWindowsのバージョンに応じてNVIDIAが推奨するドライバです。このドライバは、Linuxサブシステム内でGPUアクセラレーションを有効にします。
ドライバーをインストールしたら、WSL を有効にして、Ubuntu や Debian などの glibc ベースのディストリビューションをインストールします。 WSLを有効にしてインストールしたら、アップデートを実行します。 WSL カーネルを最新の状態に保つために、Windows Update から更新してください。
カーネルのバージョンを確認する PowerShell (またはコンソール) から次のコマンドを実行します:
wsl cat /proc/versionカーネルが準拠している場合（5.10.43.3以上）、WSL内でPyTorchやTensorFlowなどのMLフレームワークやツールを使用できるようになりました。 DockerとNVIDIA Container Toolkitの使用に加えて ネイティブLinuxを使用しているかのように動作します。問題が発生した場合は、NVIDIAがコミュニティを通じてWSLのフィードバックとCUDAサポートを一元管理しています。
Ubuntu 22.04 および 24.04 上の NVIDIA ドライバー (RTX 50 を含む)
Ubuntuでも、最初のステップはドライバーのインストールです。ただし、新しいGPUに関しては重要な注意点があります。 RTX 50には570.xxx.xx以上のドライバーが必要です古いバージョンは正常に動作しない可能性があるため、従来のインストール方法は失敗する可能性があります。
Ubuntu 22.04では、 公式NVIDIAインストーラー .run 形式で実行します。いくつかの前提条件を満たしている必要があります。
sudo apt -y install gcc makeNVIDIA Web サイトからインストーラーをダウンロードし、実行権限を付与して起動します。 MIT/GPLオプションを選択してオープンソースドライバーをインストールします 再起動後に「デバイスが見つかりません」というエラーを回避するには:
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完了したら、システムを再起動します ドライバーが正しくロードされるように:
sudo shutdown -r now環境によっては、ドライバのインストール後にシステムが正しいカーネルパラメータで起動するように、GRUB 構成を再構築することが推奨される場合があります。 疑問がある場合 ブーツGRUBを再生成すると通常は解決します 診断結果に狂ってしまう前に。
このドライバー ブランチを使用した最近の展開で表示されるもう 1 つの推奨事項は、GSP を無効にして再起動することです。 GSP を無効にすると、特定のコンピューターでの競合を防ぐことができます。特に、570 をインストールした後に異常な動作が見られる場合は注意してください。
Ubuntu 24.04では別のニュアンスがあります。ubuntu-driversツールがまだ認識しない可能性があります。 RTX 5090 適切な選択肢も提供しません。 その場合は正しいパッケージを手動でインストールしてください 接尾辞 open を忘れずに付けてください。
sudo apt install nvidia-driver-570-server-openopen という接尾辞がないと、システムは GPU を識別できず、「デバイスが見つかりません」と表示される場合があります。 インストール後、再起動します モジュールをロードするには:
sudo shutdown -r nowご希望の場合は、24.04 でも NVIDIA .run インストーラーを使用して 22.04 と同じ手順を適用できます。 あなたの流れに最も適した方法を選択してください および環境のポリシー。
Ubuntu に CUDA ツールキットをインストールする (12.4 と 12.8 および環境パス)
ドライバーを入手したら、ツールキットをインストールします。現在のエコシステムでは、 PyTorchはCUDA 12.4および12.8でシームレスに動作しますただし、RTX 50をお使いの場合は、高度な機能と最適化されたカーネルを利用するために12.8が推奨されます。NVIDIAのローカルリポジトリを使った堅牢な方法を見てみましょう。
まず、 NVIDIAリポジトリを優先するためのピンファイル:
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-ubuntu2404.pinそのピンを APT 設定ディレクトリ:
sudo mv cuda-ubuntu2404.pin /etc/apt/preferences.d/cuda-repository-pin-600次に、ツールキットのローカル リポジトリをダウンロードします (Ubuntu 24.04 の場合は 12.8.1 の例)。
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.debdpkgでインストールし、 GPGキーをキーリングに追加する Ubuntu から APT にリポジトリを信頼させるには:
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/インデックスを更新し、ツールキットをインストールする:
sudo apt-get update && sudo apt-get -y install cuda-toolkit-12-8コンピューターを再起動します 新しくインストールされたライブラリによる驚きを避けるため:
sudo shutdown -r nowインストール後、CUDA が使用可能であることを確認して、環境にパスを追加することをお勧めします。 nvccとライブラリがPATHに含まれるようにシェルに変数を追加します。 今後のセッションで。例えば、Bashでは次のようになります。
echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrcZsh を使用する場合は、これを ~/.zshrc に追加し、非対話型セッションの場合は ~/.profile または ~/.bash_profile に追加できます。 目標は、 ターミナル またはログインするとCUDAライブラリが見つかります 毎回何かを設定する必要はありません。
インストールを確認します:
nvcc --versionローカル リポジトリを管理したくない場合は、困ったときに役立つ追加のスクリプトとリソースがあります。 ドライバーとツールキットのバージョン間の一貫性を維持することを忘れないでください。 通常、問題の 90% を解決します。
特定のツール用の Windows: CUDA 10.1 および cuDNN 7.6.4 (モデル ビルダーの場合)
特定の古いバージョンを必要とするツールがあります。例えば、モデルビルダーを使用した特定の画像分類シナリオでは、 CUDA 10.1 および cuDNN 7.6.4 (10.1 用)この文脈では、次の点を確認してください。
- NVIDIA開発者アカウントを持っている アクセスする ダウンロード.
- CUDA v10.1 のみをインストールします。 上位バージョンはありません その特定のシナリオの場合。
- CUDA 10.1用のcuDNN v7.6.4をダウンロードし、解凍して 必要なバイナリをコピーする.
cuDNN の zip をダウンロードしたら、解凍して cudnn64_7.dll ファイルをツールキット パスにコピーします。 cuDNN の複数のバージョンを同時に使用することはできないことに注意してください。 同じ環境内で。例のルート:
<CUDNN_zip_files_path>\cuda\bin\cudnn64_7.dll -> <YOUR_DRIVE>\Archivos de programa\NVIDIA GPU Computing Toolkit\CUDA\v10.1\binローカルまたはAzure GPUが利用できない場合、これらのシナリオはCPUで実行できますが、 トレーニングは大幅に遅くなるGPU搭載のVMの使用を検討する場合は、 時間 は重要です。
チェック、ルート、よくある質問
何 CUDAバージョン あなたのシステムには何が入っていますか？簡単なチェック方法は次のとおりです。
nvcc --versionUbuntu を使用しており、APT を使用してドライバー (例: nvidia-driver-525) をインストールしていて、ツールキットを明示的にインストールしていないのに nvcc 11.2 がリストされている場合は、慌てる必要はありません。 一部の構成では、ドライバのインストール時にCUDAパッケージがドラッグされる可能性があります。 または、ベースシステムイメージに既に含まれています。ドライバーのみをインストールする場合、ツールキットのバージョンを選択できない場合があります。
正確な CUDA バージョンを確認する必要がある場合は、前述のとおり、NVIDIA リポジトリと特定のツールキット パッケージ (例: cuda-toolkit-12-8) をインストールします。 これにより、ツールキットのバージョンがドライバーと一致するようになります。 フレームワークのニーズに合わせてカスタマイズできます。
環境変数を設定することを忘れないでください バイナリとライブラリの場所を特定します。Bashでは、~/.bashrcに以下を追加します。
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATHZsh では、~/.zshrc を使用し、ログインに適用する場合は、~/.profile または ~/.bash_profile を使用します。 これらのパスがないと、一部のアプリケーションは CUDA ライブラリを見つけることができません。ツールキットがインストールされている場合でも同様です。
Windowsで搭載されているGPUがわからない場合は、いくつかの方法で確認できます。設定から確認するには、スタートメニューを右クリック → 設定 → システム → ディスプレイ → 関連設定 → 詳細ディスプレイを選択します。 メーカーとモデルは「情報を表示」の下に表示されます。また、 タスクマネージャ: パフォーマンスタブ → GPU で詳細を確認します。
設定やタスクマネージャーにGPUが表示されず、NVIDIAがインストールされていることがわかっている場合は、 デバイスマネージャ → ディスプレイアダプタ → GPUに適したドライバーをインストールしますアップデートは GeForce Experience で確認できますが、それでも表示されない場合は、いつでも NVIDIA Web サイトから最新のドライバーをダウンロードできます。
WSL シナリオでは、次の点に留意してください: WSL での CUDA サポートを備えた NVIDIA ドライバー、WSL 対応、glibc ベースのディストリビューション、カーネル 5.10.43.3 以上、そしてフレームワーク (PyTorch/TensorFlow) または NVIDIA Container Toolkit を備えたコンテナー。 このインストール順序により、ボトルネックやデバッグが難しいエラーを回避できます。.
Ubuntu 22.04/24.04 で RTX 50 を使用している場合は 570 ブランチを使用し、24.04 では nvidia-driver-570-server-open パッケージまたは .run インストーラーを使用します。 再起動し、必要に応じてGSPを無効にすることを忘れないでください。ツールキットについては、RTX 50 では 12.8 が安全です。PyTorch も 12.4 をサポートしていますが、12.8 を使用するとより優れた最適化が得られます。
すべての準備が整ったら、Docker を使用してネイティブ Linux または WSL でフローを実行したり、PyTorch/TensorFlow を使用して直接フローを実行したりできます。 何かが起動しない場合は、バージョン、環境パス、互換性を確認してください インストールの半分を変更する前に、ドライバーとツールキットを調整し、システムがGPUを「認識」できるようにすることで、多くの問題が解決されます。
このガイドでは、Windows (WSL 経由) および Ubuntu に CUDA を確実にインストールするための基本事項をまとめ、要件、RTX 50 ドライバー、ローカル リポジトリを使用した 12.8 ツールキットのインストール、環境パス、および操作方法について説明します。 このマップを使用すると、GPU をできるだけ少ない摩擦で動作させることができるはずです。.
バイトの世界とテクノロジー全般についての情熱的なライター。私は執筆を通じて自分の知識を共有するのが大好きです。このブログでは、ガジェット、ソフトウェア、ハードウェア、技術トレンドなどについて最も興味深いことをすべて紹介します。私の目標は、シンプルで楽しい方法でデジタル世界をナビゲートできるよう支援することです。