NVIDIA ドライバ、NVIDIA CUDA ツールキット 11.8、NVIDIA cuDNN 8 のインストール（Ubuntu 上）

【要約】 本記事では、Ubuntu環境において、NVIDIA GPUを活用した開発環境を構築するために不可欠なNVIDIAドライバ、CUDA Toolkit 11.8、およびcuDNN 8をインストールする手順を解説する。対象読者は、AI、プログラミング、データベース等を学ぶ大学生や技術者である。具体的には、ドライバの準備（nouveau無効化、既存ドライバ削除、新規インストール）、公式リポジトリを用いたCUDA Toolkit 11.8およびcuDNN 8のインストール、環境変数設定、そして基本的な動作確認までを網羅する。本手順は、NVIDIA製GPUを搭載したUbuntuシステムを対象とする。

【目次】

  1. 事前準備
  2. 必要なソフトウェアについて
  3. インストール前の確認事項と注意点
  4. NVIDIAドライバのインストール
  5. NVIDIA CUDA Toolkit 11.8 のインストール
  6. NVIDIA cuDNN 8 のインストール
  7. 動作確認（nvccコンパイラ）

NVIDIA CUDA Toolkitは、NVIDIA社が提供するGPUコンピューティングのための統合開発環境であり、GPUを用いた高速な演算処理を実現する。ディープラーニングをはじめとする多くの分野で活用されている。NVIDIA cuDNN（CUDA Deep Neural Network library）は、CUDA上で動作するディープラーニング向けのライブラリであり、畳み込みニューラルネットワークなどの計算を高速化する。

【関連情報】

■サイト内のUbuntu関連ページ

■参考Webページ

1. 事前準備

1.1 Ubuntu のシステム更新

インストール作業前にシステムを最新の状態に保つことで、依存関係の問題や予期せぬエラーを防ぐことができる。端末で以下のコマンドを実行し、システムを更新後、再起動する。

（Ubuntu のインストール手順は別ページ »で説明） 

# パッケージリストの情報を更新
sudo apt update
sudo apt -yV upgrade
sudo /sbin/shutdown -r now

2. 必要なソフトウェアについて

2.1 GPU（Graphics Processing Unit）

GPUは、グラフィックス処理に特化したプロセッサであるが、その高い並列処理能力から、3Dグラフィックス、動画編集、仮想通貨マイニング、科学計算、ディープラーニングなど幅広い分野で活用されている。

2.2 NVIDIAドライバ

NVIDIAドライバは、NVIDIA社製GPUをUbuntuシステム上で認識させ、その性能を最大限に引き出すために必要なソフトウェアである。

2.3 NVIDIA CUDA Toolkit

NVIDIA CUDA Toolkitは、NVIDIA GPU上で動作するアプリケーションを開発・実行するための統合開発環境である。コンパイラ、ライブラリ、開発ツールなどが含まれる。

【サイト内の関連ページ】

【関連する外部ページ】

2.4 NVIDIA cuDNN（CUDA Deep Neural Network library）

NVIDIA cuDNNは、CUDA Toolkit上で動作する、ディープニューラルネットワーク向けのGPUアクセラレーションライブラリである。畳み込み、プーリング、正規化、活性化関数などの標準的なルーチンを高性能に実装している。

【NVIDIA cuDNN 利用の注意点】

3. インストール前の確認事項と注意点

4. NVIDIAドライバのインストール

（このセクションはNVIDIA製GPUが搭載されている場合にのみ実行する）

4.1 NVIDIAグラフィックスカードの確認

システムにNVIDIA製GPUが認識されているか確認する。 

lspci | grep -i nvidia | grep VGA

（表示が空の場合、NVIDIA製GPUが搭載されていないか、認識されていない可能性がある）

lspciコマンド実行結果のスクリーンショット

4.2 nouveauドライバの無効化

オープンソースのnouveauドライバが有効になっていると、NVIDIA公式ドライバと競合する場合があるため無効化する。 

echo 'blacklist nouveau' | sudo tee /etc/modprobe.d/blacklist-nouveau.conf
echo 'options nouveau modeset=0' | sudo tee -a /etc/modprobe.d/blacklist-nouveau.conf
cat /etc/modprobe.d/blacklist-nouveau.conf # 設定内容を確認
sudo update-initramfs -u # initramfsを更新
nouveauドライバ無効化コマンド実行結果のスクリーンショット

4.3 既存のNVIDIA関連パッケージのアンインストール

古いドライバやCUDA Toolkitがインストールされている場合、競合を避けるためにアンインストールする。 

# インストールされているCUDA関連パッケージを確認（任意）
dpkg -l | grep cuda
dpkg -l | grep nvidia

# 既存のNVIDIA関連パッケージを削除
sudo apt --purge remove -y '*nvidia*'
sudo apt --purge remove -y '*cuda*'
sudo apt --purge remove -y '*cudnn*'
# 不要になった依存関係を自動削除
sudo apt autoremove -y

（注意） *nvidia* のようなワイルドカード指定は意図しないパッケージを削除する可能性もあるため、実行前に dpkg -l | grep nvidia などで対象を確認することを推奨する。より安全な方法は、ubuntu-drivers devices で表示されるパッケージ名を指定して削除することである。

4.4 カーネルヘッダーと開発パッケージのインストール

ドライバのビルドに必要なカーネルヘッダー等をインストールする。 

# パッケージリストの情報を更新
sudo apt update
sudo apt -y install linux-headers-$(uname -r) build-essential dkms

4.5 NVIDIAドライバのインストール

Ubuntuが推奨するドライバを自動でインストールする。 

# システムを最新化（念のため）
sudo apt -y update
sudo apt -y upgrade
# sudo apt dist-upgrade # 通常はupgradeで十分なことが多い
# インストール可能なドライバと推奨ドライバを確認
ubuntu-drivers devices
# 推奨ドライバを自動インストール
sudo ubuntu-drivers autoinstall
# initramfsを更新
sudo update-initramfs -u

4.6 Ubuntuシステムの再起動

ドライバの変更を反映させるためにシステムを再起動する。 

sudo /sbin/shutdown -r now # または sudo reboot
再起動コマンド実行のスクリーンショット

4.7 NVIDIAドライバの確認

再起動後、ドライバが正しくインストールされ、GPUが認識されているか確認する。 

nvidia-smi

（コマンド実行結果の Driver Version にバージョンが表示され、GPU情報が表示されれば成功）

nvidia-smiコマンド実行結果のスクリーンショット

5. NVIDIA CUDA Toolkit 11.8 のインストール

5.1 Ubuntuバージョンの確認

CUDAリポジトリの選択に必要なため、Ubuntuのバージョンを確認する。 

uname -m # アーキテクチャ（x86_64等）を確認
lsb_release -a # ディストリビューション名とバージョンを確認
# cat /etc/*release # より詳細な情報を確認
Ubuntuバージョン確認コマンド実行結果のスクリーンショット

Ubuntu のバージョンが表示されるので確認する。VERSION_ID の行などで確認できる。

5.2 NVIDIA CUDAリポジトリの追加

インストールするCUDA Toolkitのバージョン（11.8）とUbuntuのバージョンに合わせた公式リポジトリを追加する。

（apt-keyに関する注意） apt-key コマンドは非推奨となっている。可能であれば、gpgコマンドを使用してキーを /etc/apt/trusted.gpg.d/ ディレクトリに保存する方法が推奨されるが、ここでは元の手順に従う。将来的にこの方法は動作しなくなる可能性がある。

NVIDIA CUDA パッケージレポジトリ URL: https://developer.download.nvidia.com/compute/cuda/repos/（各Ubuntuバージョンのディレクトリを確認）

Ubuntuバージョンごとの手順:

5.3 インストール可能なCUDAバージョンの確認（任意）

リポジトリからインストール可能なCUDA 11.xのパッケージを確認する。 

apt-cache policy cuda-toolkit-11-8 # 特定バージョンの情報を確認
# apt-cache search cuda-11 # cuda-11を含むパッケージを検索
apt-cache policyコマンド実行結果のスクリーンショット

5.4 NVIDIA CUDA Toolkit 11.8 のインストール

CUDA Toolkit 11.8をインストールする。これにより、関連するドライバもインストールされることがあるため、ドライバのインストール手順（セクション4）を先に行うことが推奨される。

（注記） cuda-toolkit-11-8 と cuda-11-8 は内容が異なる場合がある。通常は cuda-toolkit-XX-Y または cuda-XX-Y でインストールする。公式ドキュメントで推奨されるパッケージ名を確認すること。 

# パッケージリストの情報を更新
sudo apt update
sudo apt -y install cuda-toolkit-11-8
# sudo apt -y install cuda-11-8 # より包括的なパッケージの場合

5.5 環境変数の設定

CUDA Toolkitのコマンド（nvccなど）やライブラリを利用できるように、環境変数を設定し、~/.bashrc に追記して永続化する。 

export CUDA_HOME=/usr/local/cuda-11.8
echo 'export CUDA_HOME=/usr/local/cuda-11.8' >> ${HOME}/.bashrc
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:${LD_LIBRARY_PATH}
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:${LD_LIBRARY_PATH}' >> ${HOME}/.bashrc
export PATH=/usr/local/cuda-11.8/bin:${PATH}
echo 'export PATH=/usr/local/cuda-11.8/bin:${PATH}' >> ${HOME}/.bashrc

# 設定を即時反映（現在のシェルのみ）
source ${HOME}/.bashrc
環境変数設定コマンド実行結果のスクリーンショット

5.6 インストールと設定の確認

インストールされたCUDA Toolkitのバージョンと、nvcc コマンドが利用可能か確認する。 

cat /usr/local/cuda-11.8/version.json # version.json で詳細バージョンを確認
nvcc --version # nvcc コマンドでバージョンを確認

5.7 再起動（推奨）

システムの状態を安定させるため、CUDA Toolkitインストール後にも再起動を推奨する。 

sudo /sbin/shutdown -r now

6. NVIDIA cuDNN 8 のインストール

CUDA Toolkit 11.8 に対応するcuDNN 8をインストールする。

6.1 Ubuntu 22.04、Ubuntu 20.04 の場合

これらのバージョンでは、通常 CUDA Toolkit のリポジトリに含まれるcuDNNパッケージをインストールできる。

6.2 cuDNNバージョンの確認（ヘッダファイルから）

インストールされたcuDNNのバージョンをヘッダファイルから確認する（開発用パッケージ libcudnn8-dev が必要）。 

cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
# または cat /usr/include/x86_64-linux-gnu/cudnn_v8.h | grep CUDNN_MAJOR -A 2（パスは環境による）

7. 動作確認（nvccコンパイラ）

簡単なCUDA Cプログラムをコンパイル・実行し、nvccコンパイラが正しく動作するか確認する。 （参考: https://devblogs.nvidia.com/easy-introduction-cuda-c-and-c/）

  1. サンプルコードの作成:

    エディタ（nano、vim、gedit等）で hello.cu という名前のファイルを作成し、以下の内容を記述して保存する。 

    nano hello.cu

    hello.cu: 

    #include <iostream>
#include <vector>
#include <numeric>
#include <cuda_runtime.h>

// CUDA Kernel function to add two vectors
__global__ void vectorAdd(const float *A, const float *B, float *C, int numElements) {
    int i = blockDim.x * blockIdx.x + threadIdx.x;
    if (i < numElements) {
        C[i] = A[i] + B[i];
    }
}

int main(void) {
    int numElements = 50000;
    size_t size = numElements * sizeof(float);
    printf("[Vector addition of %d elements]\n", numElements);

    // Allocate host memory
    float *h_A = (float *)malloc(size);
    float *h_B = (float *)malloc(size);
    float *h_C = (float *)malloc(size);

    // Initialize host vectors
    for (int i = 0; i < numElements; ++i) {
        h_A[i] = rand() / (float)RAND_MAX;
        h_B[i] = rand() / (float)RAND_MAX;
    }

    // Allocate device memory
    float *d_A = NULL;
    cudaMalloc((void **)&d_A, size);
    float *d_B = NULL;
    cudaMalloc((void **)&d_B, size);
    float *d_C = NULL;
    cudaMalloc((void **)&d_C, size);

    // Copy host vectors to device
    cudaMemcpy(d_A, h_A, size, cudaMemcpyHostToDevice);
    cudaMemcpy(d_B, h_B, size, cudaMemcpyHostToDevice);

    // Launch the kernel
    int threadsPerBlock = 256;
    int blocksPerGrid = (numElements + threadsPerBlock - 1) / threadsPerBlock;
    vectorAdd<<<blocksPerGrid, threadsPerBlock>>>(d_A, d_B, d_C, numElements);

    // Copy result back to host
    cudaMemcpy(h_C, d_C, size, cudaMemcpyDeviceToHost);

    // Verify result
    float maxError = 0.0f;
    for (int i = 0; i < numElements; ++i) {
        maxError = fmax(maxError, fabs(h_C[i] - (h_A[i] + h_B[i])));
    }
    printf("Max error: %f\n", maxError);

    // Cleanup
    cudaFree(d_A);
    cudaFree(d_B);
    cudaFree(d_C);
    free(h_A);
    free(h_B);
    free(h_C);

    return 0;
}
    サンプルコード作成のスクリーンショット

  2. コンパイルと実行:

    nvcc コマンドでコンパイルし、生成された実行ファイル（hello_cuda または a.out）を実行する。 

    nvcc hello.cu -o hello_cuda # コンパイル（出力ファイル名を指定）
# または nvcc hello.cu（デフォルトで a.out が生成される）
    nvccコンパイルコマンド実行結果のスクリーンショット 
    ./hello_cuda # 実行（または ./a.out）

    実行結果として Max error: 0.000000 のような表示が出れば、CUDA Toolkitが正常に動作していることを確認できる。

    CUDAプログラム実行結果のスクリーンショット