1. Introduction
CUDA (Compute Unified Device Architecture) est une plateforme de calcul parallèle et une API fournies par NVIDIA qui permettent un traitement à haute vitesse en utilisant les GPU.
Elle est largement utilisée dans des domaines tels que l’apprentissage automatique, le deep learning et le calcul scientifique.
Cet article explique la procédure pas à pas pour installer CUDA dans un environnement Ubuntu.
2. Prérequis
2.1 Comment vérifier la présence d’un GPU compatible
Tout d’abord, vérifiez si le GPU NVIDIA installé dans votre système est compatible avec CUDA.
Exécutez la commande suivante dans le terminal :
lspci | grep -i nvidia
Si un dispositif NVIDIA apparaît dans la sortie, votre GPU est reconnu.
Vous pouvez consulter la liste complète des GPU supportés sur le site officiel de NVIDIA.
2.2 Vérifier la version d’Ubuntu
CUDA ne prend en charge que certaines versions d’Ubuntu.
Utilisez la commande suivante pour vérifier votre version actuelle d’Ubuntu :
lsb_release -a
En général, les versions LTS (Long Term Support) d’Ubuntu sont recommandées.
Reportez‑vous à la documentation officielle de NVIDIA pour les informations de support les plus récentes.
2.3 Vérifier si gcc est installé
Le compilateur gcc est requis pour installer CUDA.
Vérifiez l’état de l’installation avec la commande suivante :
gcc --version
Si gcc n’est pas installé, exécutez cette commande pour l’installer :
sudo apt install build-essential
3. Installation du pilote NVIDIA
3.1 Supprimer les pilotes existants
Si d’anciens pilotes NVIDIA sont installés, supprimez‑les afin d’éviter les conflits.
Exécutez les commandes suivantes :
sudo apt-get --purge remove '*nvidia*'
sudo apt-get autoremove
3.2 Sélectionner et installer le pilote approprié
Consultez le site officiel de NVIDIA pour trouver le pilote correct pour votre GPU, puis installez‑le en suivant les étapes ci‑dessous.
- Ajouter le dépôt — Exécutez les commandes suivantes pour ajouter le dépôt de pilotes NVIDIA :
sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update
- Vérifier les pilotes recommandés — Utilisez cette commande pour trouver le pilote recommandé :
ubuntu-drivers devices
Installez le pilote indiqué comme « recommandé ».
- Installer le pilote — Spécifiez la version recommandée lors de l’installation :
sudo apt install nvidia-driver-<recommended-version>
- Redémarrer le système — Après l’installation, redémarrez Ubuntu :
sudo reboot
4. Installation du CUDA Toolkit
4.1 Sélection de la version de CUDA
Sur la page officielle de téléchargement de CUDA, vérifiez quelle version de CUDA est compatible avec votre GPU et votre version d’Ubuntu.
Si vous choisissez la version la plus récente, assurez‑vous de sa compatibilité avec vos logiciels et bibliothèques.
4.2 Ajouter le dépôt et installer
Suivez les étapes ci‑dessous pour installer le CUDA Toolkit.
- Ajouter le dépôt — L’exemple suivant utilise 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
- Ajouter la clé du dépôt — Récupérez et installez la clé du dépôt :
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
- Installer le paquet CUDA — Installez le CUDA Toolkit :
sudo apt update sudo apt install cuda
- Vérifier l’installation — Confirmez que CUDA est installé :
nvcc --version
5. Configuration des variables d’environnement
5.1 Configurer PATH et LD_LIBRARY_PATH
Pour utiliser CUDA, vous devez configurer correctement les variables d’environnement. Suivez ces étapes :
- Modifier le fichier
.bashrcnano ~/.bashrc
- Ajouter les lignes suivantes
export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
- Appliquer les changements — Enregistrez et rechargez le terminal :
source ~/.bashrc
6. Installation de cuDNN
6.1 Qu’est‑ce que cuDNN ?
cuDNN (bibliothèque CUDA Deep Neural Network) est une bibliothèque accélérée par GPU optimisée pour les charges de travail d’apprentissage profond.
6.2 Télécharger cuDNN
Téléchargez la version de cuDNN compatible avec votre CUDA installé depuis le site officiel de NVIDIA.
Un compte NVIDIA est requis pour le téléchargement.
6.3 Procédure d’installation
- Extraire l’archive — Décompressez l’archive cuDNN téléchargée:
tar -xzvf cudnn-<version>.tgz
- Copier les fichiers — Copiez les fichiers nécessaires dans le répertoire 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*
- Vérifier l’installation — Vérifiez la version de cuDNN avec cette commande:
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
7. Vérifier l’installation
7.1 Vérifier le fonctionnement de CUDA
Exécutez la commande suivante pour vérifier que CUDA est installé correctement:
nvcc --version
7.2 Exécuter les programmes d’exemple
Exécutez les programmes d’exemple CUDA pour tester la fonctionnalité.
- Configurer les exemples
cuda-install-samples-<version>.run cd ~/NVIDIA_CUDA-<version>_Samples/1_Utilities/deviceQuery make
- Exécuter le programme
./deviceQuery
Si la sortie affiche « PASS », l’installation a réussi.
8. Dépannage
8.1 Problèmes courants et solutions
- Problème : CUDA n’est pas reconnu Solution : Revérifiez vos variables d’environnement et redémarrez le système.
- Problème : Le GPU n’est pas utilisé Solution : Essayez de réinstaller le pilote NVIDIA.
- Problème : Incompatibilité entre CUDA et votre logiciel Solution : Vérifiez quelle version de CUDA votre logiciel prend en charge et installez la version correspondante.
9. Conclusion
Cet article a fourni un guide détaillé pour installer CUDA et cuDNN dans un environnement Ubuntu.
En suivant ces étapes avec précision, vous pouvez créer un environnement de calcul GPU haute performance.
Si vous prévoyez d’utiliser l’apprentissage profond ou le calcul scientifique, envisagez d’installer TensorFlow ou PyTorch comme prochaine étape.
