วิธีติดตั้ง NVIDIA CUDA และ cuDNN บน Ubuntu: คู่มือการตั้งค่าเต็มสำหรับการเร่งความเร็วด้วย GPU

1 1. บทนำ
2 2. ข้อกำหนดเบื้องต้น
3 3. การติดตั้งไดรเวอร์ NVIDIA
- 3.1 3.1 ลบไดรเวอร์ที่มีอยู่
- 3.2 3.2 เลือกและติดตั้งไดรเวอร์ที่เหมาะสม
4 4. การติดตั้ง CUDA Toolkit
- 4.1 4.1 การเลือกเวอร์ชัน CUDA
- 4.2 4.2 เพิ่ม Repository และติดตั้ง
5 5. การตั้งค่า Environment Variables
- 5.1 5.1 การกำหนดค่า PATH และ LD_LIBRARY_PATH
6 6. การติดตั้ง cuDNN
7 7. ตรวจสอบการติดตั้ง
- 7.1 7.1 ตรวจสอบการทำงานของ CUDA
- 7.2 7.2 รันโปรแกรมตัวอย่าง
8 8. แก้ไขปัญหา
- 8.1 8.1 ปัญหาทั่วไปและวิธีแก้
9 9. สรุป

1. บทนำ

CUDA (Compute Unified Device Architecture) คือแพลตฟอร์มการคำนวณแบบขนานและ API ที่ NVIDIA จัดให้ ซึ่งช่วยให้สามารถประมวลผลด้วยความเร็วสูงโดยใช้ GPU
มันถูกใช้อย่างแพร่หลายในสาขาต่างๆ เช่น การเรียนรู้ของเครื่อง การเรียนรู้เชิงลึก และการคำนวณทางวิทยาศาสตร์
บทความนี้อธิบายขั้นตอนการติดตั้ง CUDA ในสภาพแวดล้อม Ubuntu ทีละขั้นตอน

2. ข้อกำหนดเบื้องต้น

2.1 วิธีตรวจสอบ GPU ที่รองรับ

ก่อนอื่น ตรวจสอบว่า NVIDIA GPU ที่ติดตั้งในระบบของคุณเข้ากันได้กับ CUDA หรือไม่
เรียกใช้คำสั่งต่อไปนี้ในเทอร์มินัล:

lspci | grep -i nvidia

หากมีอุปกรณ์ NVIDIA ปรากฏในผลลัพธ์ GPU ของคุณจะถูกจดจำ
คุณสามารถตรวจสอบรายการ GPU ที่รองรับทั้งหมดได้ที่เว็บไซต์อย่างเป็นทางการของ NVIDIA

2.2 ตรวจสอบเวอร์ชัน Ubuntu

CUDA รองรับเวอร์ชัน Ubuntu เฉพาะ
ใช้คำสั่งต่อไปนี้เพื่อตรวจสอบเวอร์ชัน Ubuntu ปัจจุบันของคุณ:

lsb_release -a

โดยทั่วไป แนะนำให้ใช้เวอร์ชัน Ubuntu LTS (Long Term Support)
อ้างอิงเอกสารอย่างเป็นทางการของ NVIDIA สำหรับข้อมูลการรองรับล่าสุด

2.3 ตรวจสอบว่า gcc ติดตั้งแล้วหรือไม่

คอมไพเลอร์ gcc จำเป็นสำหรับการติดตั้ง CUDA
ตรวจสอบสถานะการติดตั้งด้วยคำสั่งต่อไปนี้:

gcc --version

หาก gcc ไม่ได้ติดตั้ง ให้เรียกใช้คำสั่งนี้เพื่อติดตั้ง:

sudo apt install build-essential

3. การติดตั้งไดรเวอร์ NVIDIA

3.1 ลบไดรเวอร์ที่มีอยู่

หากมีไดรเวอร์ NVIDIA รุ่นเก่าติดตั้งอยู่ ให้ลบออกเพื่อหลีกเลี่ยงความขัดแย้ง
เรียกใช้คำสั่งต่อไปนี้:

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

3.2 เลือกและติดตั้งไดรเวอร์ที่เหมาะสม

ตรวจสอบเว็บไซต์อย่างเป็นทางการของ NVIDIA เพื่อค้นหาไดรเวอร์ที่ถูกต้องสำหรับ GPU ของคุณ จากนั้นติดตั้งโดยใช้ขั้นตอนด้านล่าง

เพิ่ม repository — เรียกใช้คำสั่งต่อไปนี้เพื่อเพิ่ม repository ของไดรเวอร์ NVIDIA:
```
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
```

ตรวจสอบไดรเวอร์ที่แนะนำ — ใช้คำสั่งนี้เพื่อค้นหาไดรเวอร์ที่แนะนำ:
```
ubuntu-drivers devices
```

ติดตั้งไดรเวอร์ที่ระบุว่า “recommended”

ติดตั้งไดรเวอร์ — ระบุเวอร์ชันที่แนะนำเมื่อติดตั้ง:
```
sudo apt install nvidia-driver-<recommended-version>
```

รีบูตระบบ — หลังจากติดตั้ง ให้รีสตาร์ท Ubuntu:
```
sudo reboot
```

4. การติดตั้ง CUDA Toolkit

4.1 การเลือกเวอร์ชัน CUDA

ที่ หน้าดาวน์โหลด CUDA อย่างเป็นทางการ ตรวจสอบว่าเวอร์ชัน CUDA ใดที่เข้ากันได้กับ GPU และการ发行 Ubuntu ของคุณ
หากคุณเลือกเวอร์ชันล่าสุด ให้ตรวจสอบความเข้ากันได้กับซอฟต์แวร์และไลบรารีของคุณ

4.2 เพิ่ม Repository และติดตั้ง

ทำตามขั้นตอนด้านล่างเพื่อติดตั้ง CUDA Toolkit

เพิ่ม repository — ตัวอย่างต่อไปนี้ใช้ 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

เพิ่มกุญแจ repository — ดึงและติดตั้งกุญแจ repository:

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

ติดตั้งแพ็กเกจ CUDA — ติดตั้ง CUDA Toolkit:
```
sudo apt update
sudo apt install cuda
```

ตรวจสอบการติดตั้ง — ยืนยันว่า CUDA ติดตั้งแล้ว:
```
nvcc --version
```

5. การตั้งค่า Environment Variables

5.1 การกำหนดค่า PATH และ LD_LIBRARY_PATH

เพื่อใช้ CUDA คุณต้องกำหนดค่า environment variables ให้ถูกต้อง ทำตามขั้นตอนเหล่านี้:

แก้ไขไฟล์ .bashrc
```
nano ~/.bashrc
```

เพิ่มบรรทัดต่อไปนี้

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

นำการเปลี่ยนแปลงไปใช้ — บันทึกและโหลดเทอร์มินัลใหม่:
```
source ~/.bashrc
```

6. การติดตั้ง cuDNN

6.1 cuDNN คืออะไร

cuDNN (CUDA Deep Neural Network library) เป็นไลบรารีที่เร่งความเร็วด้วย GPU ที่ได้รับการปรับให้เหมาะสมสำหรับงาน deep learning

6.2 ดาวน์โหลด cuDNN

ดาวน์โหลดเวอร์ชัน cuDNN ที่เข้ากันได้กับ CUDA ที่คุณได้ติดตั้งไว้จาก เว็บไซต์ทางการของ NVIDIA
ต้องมีบัญชี NVIDIA เพื่อทำการดาวน์โหลด

6.3 ขั้นตอนการติดตั้ง

แตกไฟล์อาร์ไคฟ์ — แตกไฟล์ cuDNN ที่ดาวน์โหลดมา:
```
tar -xzvf cudnn-<version>.tgz
```

คัดลอกไฟล์ — คัดลอกไฟล์ที่จำเป็นไปยังไดเรกทอรีของ 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*

ตรวจสอบการติดตั้ง — ตรวจสอบเวอร์ชันของ cuDNN ด้วยคำสั่งนี้:
```
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
```

7. ตรวจสอบการติดตั้ง

7.1 ตรวจสอบการทำงานของ CUDA

รันคำสั่งต่อไปนี้เพื่อยืนยันว่า CUDA ถูกติดตั้งอย่างถูกต้อง:

nvcc --version

7.2 รันโปรแกรมตัวอย่าง

เรียกใช้โปรแกรมตัวอย่างของ CUDA เพื่อทดสอบการทำงาน

ตั้งค่าตัวอย่าง

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

รันโปรแกรม
```
./deviceQuery
```

หากผลลัพธ์แสดงคำว่า “PASS” การติดตั้งถือว่าประสบความสำเร็จ

8. แก้ไขปัญหา

8.1 ปัญหาทั่วไปและวิธีแก้

ปัญหา: ไม่พบ CUDA วิธีแก้: ตรวจสอบตัวแปรสภาพแวดล้อมอีกครั้งและรีบูตระบบ
ปัญหา: GPU ไม่ถูกใช้งาน วิธีแก้: ลองติดตั้งไดรเวอร์ NVIDIA ใหม่
ปัญหา: ความไม่เข้ากันระหว่าง CUDA กับซอฟต์แวร์ของคุณ วิธีแก้: ตรวจสอบว่าเวอร์ชัน CUDA ที่ซอฟต์แวร์ของคุณรองรับคือเวอร์ชันใดและติดตั้งเวอร์ชันที่สอดคล้องกัน

9. สรุป

บทความนี้ได้อธิบายขั้นตอนโดยละเอียดสำหรับการติดตั้ง CUDA และ cuDNN ในสภาพแวดล้อม Ubuntu
โดยทำตามขั้นตอนเหล่านี้อย่างแม่นยำ คุณจะสามารถสร้างสภาพแวดล้อมการคำนวณด้วย GPU ที่มีประสิทธิภาพสูงได้
หากคุณวางแผนจะใช้ deep learning หรือการคำนวณเชิงวิทยาศาสตร์ ควรพิจารณาติดตั้ง TensorFlow หรือ PyTorch เป็นขั้นตอนต่อไป.