CUDA Toolkit을 관리하는 방법으로 nvidia-docker을 사용하는 수단이 있지만 이번에는 이것을 사용하지 않고 직접 CUDA Toolkit을 설치했습니다.

환경

Ubuntu16.04 64bit

Core i5

GeForce 940M

준비하는 것

CUDA toolkit

cuDNN

드라이버 (자신의 환경에 맞게 적절하게 선택)

CUDA Toolkit 설치에는 runfile(cuda_8.0.44_linux.run)을 사용했습니다.

설치 절차

1. 드라이버 설치

Secure Boot가 활성화되어 있는 경우에는 미리 비활성화하십시오.
Ctrl+Alt+F1로 tty1로 이동하여 nvidia-smi 명령과 드라이버를 설치합니다.
중간에 X11 설정을 다시 쓸 것인지 묻습니다. 다시 쓰면 화면이 비치지 않기 때문에 다시 쓰지 않는 것이 좋습니다.
설치가 끝나면 다시 시작하십시오.

sudo service lightdm stop  # X11を落とす
sudo ./NVIDIA-Linux-x86_64-<version>.run  # nvidia-smiコマンドがインストールされるはず
sudo reboot

nvidia-smi 커멘드의 출력이 이런 느낌이 되어 있으면, GPU를 검출할 수 있습니다.

$nvidia-smi                           
Mon Aug 15 15:31:22 2016       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 361.77                 Driver Version: 361.77                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce 940M        Off  | 0000:01:00.0     Off |                  N/A |
| N/A   59C    P0    N/A /  N/A |    254MiB /  2003MiB |      8%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|    0      4105    G   /usr/lib/xorg/Xorg                             165MiB |
|    0      4988    G   fcitx-qimpanel                                   7MiB |
|    0      5310    G   ...ves-passed-by-fd --v8-snapshot-passed-by-    67MiB |
|    0      5598    G   ...DocWrittenScriptsInMainFrame --force-fiel    13MiB |
+-----------------------------------------------------------------------------+

만약 불안정한 경우는 apt-get 로 드라이버를 인스톨 하면 움직일지도 모릅니다. 그러나 시스템이 X11을 GPU로 움직이려고 X11의 동작이 불안정해지기 때문에 추천하지 않습니다.

sudo apt-get install nvidia-361
sudo reboot

2. CUDA toolkit 설치

tty1에서 다음 명령을 실행합니다.
참고 : runfile 런타임에 드라이버를 설치할지 묻습니다. 여기서는 설치하지 마십시오.

sudo service lightdm stop
sudo ./cuda_8.0.44_linux.run --override  # 注意: ドライバはここではインストールしない

Ubuntu16.04에서는 gcc의 버전이 CUDA의 추천하는 것과 달라 보이지만, --override 옵션을 붙여 Toolkit를 무리하게 설치했습니다.
설치가 성공하면 /usr/local/cuda-8.0가 존재해야합니다.

Chainer를 실행할 때 작동하지 않으면 gcc5.2를 설치 한 다음 다시

sudo service lightdm stop
sudo ./cuda_8.0.44_linux.run  # 注意: ドライバはここではインストールしない。gcc5.2をあらかじめインストールしておく。

하십시오.

3. cuDNN 설치

cuDNN을 확장하여 파일을 복사합니다.

tar xvf cudnn-8.0-linux-x64-v5.1.tgz
sudo cp cuda/include/* /usr/local/cuda-8.0/include
sudo cp cuda/lib64/* /usr/local/cuda-8.0/lib64

.bashrc 에 이것을 추가하고 source ~/.bashrc 하십시오.

export CUDA_PATH=/usr/local/cuda-8.0
export PATH=$CUDA_PATH/bin:$PATH
export LD_LIBRARY_PATH=$CUDA_PATH/lib64:$LD_LIBRARY_PATH

export CPATH=$CUDA_PATH/include:$CPATH
export LIBRARY_PATH=$CUDA_PATH/lib64:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=$CUDA_PATH/lib64:$LD_LIBRARY_PATH

4. Chainer 설치

보통 pip3으로 넣습니다.

sudo pip3 install chainer

5. 동작 체크

import cupy 가 통과하면 성공입니다.

$python3
>>> import cupy

Chainer 소스 코드와 함께 제공되는 MNIST 샘플도 작동합니다.

git clone [email protected]:pfnet/chainer.git
cd chainer/examples/mnist     
python3 train_mnist.py --gpu=0

6. 커널 업데이트에 대하여

커널이 업데이트되면 드라이버에 액세스할 수 없습니다.
새 커널이 설치되면 1 드라이버를 다시 설치하십시오.