Como instalar NVIDIA CUDA e cuDNN no Ubuntu: Guia completo de configuração para aceleração GPU

1. Introdução

CUDA (Compute Unified Device Architecture) é uma plataforma de computação paralela e API fornecida pela NVIDIA que permite processamento de alta velocidade usando GPUs.
É amplamente utilizada em áreas como aprendizado de máquina, deep learning e computação científica.
Este artigo explica o procedimento passo a passo para instalar o CUDA em um ambiente Ubuntu.

2. Pré-requisitos

2.1 Como Verificar se há uma GPU Compatível

Primeiro, verifique se a GPU NVIDIA instalada em seu sistema é compatível com o CUDA.
Execute o seguinte comando no terminal:

lspci | grep -i nvidia

Se um dispositivo NVIDIA aparecer na saída, sua GPU foi reconhecida.
Você pode conferir a lista completa de GPUs suportadas no site oficial da NVIDIA.

2.2 Verificar a Versão do Ubuntu

O CUDA suporta versões específicas do Ubuntu.
Use o seguinte comando para verificar a versão atual do Ubuntu:

lsb_release -a

Em geral, as versões LTS (Long Term Support) do Ubuntu são recomendadas.
Consulte a documentação oficial da NVIDIA para obter as informações mais recentes de suporte.

2.3 Verificar se o gcc Está Instalado

O compilador gcc é necessário para instalar o CUDA.
Verifique o status da instalação com o seguinte comando:

gcc --version

Se o gcc não estiver instalado, execute este comando para instalá-lo:

sudo apt install build-essential

3. Instalando o Driver NVIDIA

3.1 Remover Drivers Existentes

Se drivers NVIDIA mais antigos estiverem instalados, remova-os para evitar conflitos.
Execute os seguintes comandos:

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

3.2 Selecionar e Instalar o Driver Apropriado

Verifique o site oficial da NVIDIA para encontrar o driver correto para sua GPU e, em seguida, instale-o usando os passos abaixo.

Adicionar o repositório — Execute os seguintes comandos para adicionar o repositório de drivers NVIDIA:
```
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
```

Verificar drivers recomendados — Use este comando para encontrar o driver recomendado:
```
ubuntu-drivers devices
```

Instale o driver rotulado como “recomendado”.

Instalar o driver — Especifique a versão recomendada ao instalar:
```
sudo apt install nvidia-driver-<recommended-version>
```

Reiniciar o sistema — Após a instalação, reinicie o Ubuntu:
```
sudo reboot
```

4. Instalando o Toolkit CUDA

4.1 Selecionando a Versão do CUDA

Na página oficial de download do CUDA, verifique qual versão do CUDA é compatível com sua GPU e a versão do Ubuntu.
Se você escolher a versão mais recente, garanta a compatibilidade com seu software e bibliotecas.

4.2 Adicionar Repositório e Instalar

Siga os passos abaixo para instalar o Toolkit CUDA.

Adicionar o repositório — O exemplo a seguir usa 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

Adicionar a chave do repositório — Recupere e instale a chave do repositório:

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

Instalar o pacote CUDA — Instale o Toolkit CUDA:
```
sudo apt update
sudo apt install cuda
```

Verificar a instalação — Confirme que o CUDA está instalado:
```
nvcc --version
```

5. Configurando Variáveis de Ambiente

5.1 Configurar PATH e LD_LIBRARY_PATH

Para usar o CUDA, você deve configurar corretamente as variáveis de ambiente. Siga estes passos:

Editar o arquivo .bashrc
```
nano ~/.bashrc
```

Adicionar as linhas a seguir

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

Aplicar as alterações — Salve e recarregue o terminal:
```
source ~/.bashrc
```

6. Instalando o cuDNN

6.1 O que é cuDNN?

cuDNN (biblioteca CUDA Deep Neural Network) é uma biblioteca acelerada por GPU otimizada para cargas de trabalho de deep learning.

6.2 Baixar cuDNN

Baixe a versão do cuDNN compatível com o CUDA instalado a partir do site oficial da NVIDIA.
É necessário ter uma conta NVIDIA para fazer o download.

6.3 Procedimento de Instalação

Extrair o arquivo — Descompacte o arquivo cuDNN baixado:
```
tar -xzvf cudnn-<version>.tgz
```

Copiar os arquivos — Copie os arquivos necessários para o diretório do 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*

Verificar a instalação — Verifique a versão do cuDNN com este comando:
```
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
```

7. Verificar a Instalação

7.1 Verificar Operação do CUDA

Execute o comando a seguir para verificar se o CUDA está instalado corretamente:

nvcc --version

7.2 Executar Programas de Exemplo

Execute programas de exemplo do CUDA para testar a funcionalidade.

Configurar os exemplos

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

Executar o programa
```
./deviceQuery
```

Se a saída exibir “PASS”, a instalação foi bem-sucedida.

8. Solução de Problemas

8.1 Problemas Comuns e Soluções

Problema: CUDA não é reconhecido Solução: Verifique novamente suas variáveis de ambiente e reinicie o sistema.
Problema: GPU não está sendo usada Solução: Tente reinstalar o driver da NVIDIA.
Problema: Incompatibilidade entre CUDA e seu software Solução: Verifique qual versão do CUDA seu software suporta e instale a versão correspondente.

9. Conclusão

Este artigo forneceu um guia detalhado para instalar o CUDA e o cuDNN em um ambiente Ubuntu.
Seguindo estas etapas com precisão, você pode criar um ambiente de computação GPU de alto desempenho.
Se você pretende usar deep learning ou computação científica, considere configurar o TensorFlow ou o PyTorch como próximo passo.