Ubuntu Desktop 16.04にCUDAによるディープラーニング環境を構築する！（PyTorch）

2018-09-15 2023-08-26

Webmaster

Ubuntu 16.04 LTS Desktopに、CUDAによるPyTorchのディープラーニング環境を構築します。

使用した環境

GeForce GTX 1050 Ti
Ubuntu 16.04 LTS Desktop (16.04.5)
CUDA Toolkit 9.0
cuDNN 7.2
Anaconda 5.2 (Python 3.6)
PyTorch (GPU)

CUDA Toolkit 9.0のインストール

CUDA Toolkit 9.0をインストールします。

CUDA Toolkit 9.0のダウンロード

CUDA 9.0のインストール用モジュールを、Nvidiaのホームページ「CUDA Toolkit 9.0 Download」から以下を選択して、ダウンロードします。

Operating System : Linux
Architecture : x86_64
Distribution : Ubuntu
Version : 16.04
Installer Type : dev [network]

CUDA Toolkit 9.0のインストールの実行

以下のコマンドを実行して、CUDA Toolkit 9.0をインストールします。デバイスドライバーも同時にインストールされます。

$ cd $HOME/Downloads
$ sudo dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
$ sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub
$ sudo apt-get update
$ sudo apt-get install cuda-9-0

インストールが終了したら、ドライバーを有効にするため、OSを再起動します。

CUDA Toolkit 9.0のインストールの検証

CUDA Toolkit 9.0のインストールの検証を行います。nvidia-smiコマンドを実行して、GPUの情報が表示されることを確認します。ドライバーのバージョンも確認できます。

nvidia-smi
Fri Sep 14 23:25:47 2018       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 396.44                 Driver Version: 396.44                    |
|-------------------------------+----------------------+----------------------+
| 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 GTX 105...  Off  | 00000000:01:00.0 Off |                  N/A |
| 35%   34C    P0    N/A /  75W |    184MiB /  4040MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      1202      G   /usr/lib/xorg/Xorg                            28MiB |
|    0      1420      G   /usr/lib/xorg/Xorg                            57MiB |
|    0      1755      G   /usr/bin/gnome-shell                          66MiB |
+-----------------------------------------------------------------------------+

cuDNN 7.2のインストール

デープラーニング用のライブラリcuDNN 7.2をインストールします。

cuDNN 7.2のダウンロード

cuDNN 7.2のインストール用モジュールを、Nvidiaのホームページ「NVIDIA cuDNN」から「Download cuDNN」ボタンをクリックして画面遷移し、ユーザ登録を行い、ダウンロードページにログインします。以下を選択して、ダウンロードします。

cuDNN v7.2.1 Runtime Library for Ubuntu16.04 (Deb)
cuDNN v7.2.1 Developer Library for Ubuntu16.04 (Deb)
cuDNN v7.2.1 Code Samples and User Guide for Ubuntu16.04 (Deb)

cuDNN 7.2のインストールの実行

以下のコマンドを実行して、cuDNN 7.2をインストールします。

$ cd $HOME/Downloads
$ sudo dpkg -i libcudnn7_7.2.1.38-1+cuda9.2_amd64.deb
$ sudo dpkg -i libcudnn7-dev_7.2.1.38-1+cuda9.2_amd64.deb
$ sudo dpkg -i libcudnn7-doc_7.2.1.38-1+cuda9.2_amd64.deb

cuDNN 7.2のインストールの検証

cuDNN 7.2のインストールの検証を行います。最後に、「Test passed!」と表示されることを確認します。

$ cp -r /usr/src/cudnn_samples_v7/ $HOME
$ cd  $HOME/cudnn_samples_v7/mnistCUDNN
$ make clean && make
$ ./mnistCUDNN

Anaconda 5.2のインストール

python環境を構築するため、Anacondaをインストールします。

Anaconda 5.2のダウンロード

Anacondaのダウンロードページ「Download Anaconda Distribution」から、python 3.6バージョンのanacondaをダウンロードします。

Anaconda 5.2のインストールの実行

以下のコマンドで、Anaconda 5.2をインストールします。途中、ライセンスへの同意、PATH変数への登録、VSCodeの導入を聞かれますが、以下の例では、すべて"yes"でインストールを行います。

$ bash ~/Downloads/Anaconda3-5.2.0-Linux-x86_64.sh
...
In order to continue the installation process, please review the license
agreement.
Please, press ENTER to continue
>>> 
...
Do you accept the license terms? [yes|no]
[no] >>> yes
...Do you wish the installer to prepend the Anaconda3 install location
to PATH in your /home/sysadm001/.bashrc ? [yes|no]
[no] >>> yes...
Do you wish to proceed with the installation of Microsoft VSCode? [yes|no]
>>> yes
...
VSCode successfully installed in /usr/share/code !

Anaconda 5.2のインストールの検証

anacondaのナビゲータが起動することを確認します。

$ source ~/.bashrc
$ anaconda-navigator

PyTorchのインストール

PyTorchをインストールします。

PyTorchのインストールの実行

PyTorchのホームページで以下を選択して、インストール用のコマンドを表示します。

OS : Linux
Package Manager : anaconda
Python : 3.6
CUDA : 9.0

$ conda install pytorch torchvision -c pytorch

PyTorchのインストールの検証

最初のチュートリアルを実行して、インストールできたことを確認します。

$ python
Python 3.6.5 |Anaconda, Inc.| (default, Apr 29 2018, 16:14:56) 
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> from __future__ import print_function
>>> import torch
>>> x = torch.empty(5, 3)
>>> print(x)
tensor([[-2.8343e+17,  4.5667e-41, -2.8343e+17],
        [ 4.5667e-41,  1.0068e-11,  7.2053e+22],
        [ 1.1351e-43,  0.0000e+00, -2.8343e+17],
        [ 4.5667e-41, -2.8343e+17,  4.5667e-41],
        [ 5.1001e+33,  7.0696e+28,  6.9765e+22]])
>>> exit()

GPUを使用しない場合

GPUを使用せず、CPUのみでディープラーニングを行う場合は、本稿の「Anaconda 5.2のインストール」から開始し、PyTorchのインストールは、以下のCPUなしのコマンドでインストールを行います。

$ conda install pytorch-cpu torchvision-cpu -c pytorch

おわりに

本稿では、PyTorchをインストールしました。今回は、TensorFlowやChainerなどと環境を可能な限りそろえたかったので、CUDA 9.0を選択しましたが、PyTorchはCUDA 9.2でも同様の手順で容易にインストールすることができます。

参考情報

【記事一覧】AIを使いこなす！

AIを使いこなすための記事一覧を掲載します。！...