今はほぼ使っていないPCがあるので、ディープラーニングやら何やらにこれ以上乗り遅れないようにCUDAを使えるようにしてみることにした。
2010年に発売したHPのデスクトップPCで、Nehalem世代のCore i7-960、Tesla世代のNVIDIA GeForce GTS 250あたりが入っていたモデル。ビデオカードはその後第1世代MaxwellのGeFroce GTX 750 Tiに入れ替えている。
HDDも入れ替えているがOSはWindows 7のまま。
これを寝かせておくのはもったいないので、余っているHDDにUbuntuを入れてCUDAで遊ぶマシンにするのが目的。
Ubuntuをインストール
Windows 7が入っていたHDDはこれからも使うかも知れないので取り外し、余っているHDDを取り付けUbuntuをインストール。
初めは18.04 LTSをインストールしたが、CUDA Toolkitが正式に対応していないので16.04 LTSを入れ直した。
CUDA Toolkitをインストール
CUDA Toolkitのインストールではまる人が多いようだ。
通常のGUI画面からはインストールできなかったのでCtrl+Alt+F1でコマンドラインに入ってX Windowを止める。
その後にCUDA Toolkitをインストール。
再起動するとログイン画面がループするという問題が発生した。NVIDIAのディスプレイドライバの問題らしいので、またCtrl+Alt+F1から最新のドライバをインストール。
一応CUDA Toolkitのインストールができたらしい。
その後の設定
その後パスの設定などを行う必要がある。
.bashrcに設定を書いて終わりかと思ったらまたエラーが発生。
WARNING - libGLU.so not foundなどのエラーが発生するので、freeglut3-devなんかをインストールしたらエラーが出なくなった。
ここでやっとCUDA ToolkitのサンプルファイルがMakeできるようになった。
CUDAをインストールするのは大変
Pythonで単純に開発するとか、機械学習・ディープラーニングでいろいろ設定するならpyenv、Anacondaなんかで比較的簡単に環境構築はできるけど、それをさらにCUDAなどを使って効率化しようとするとその環境構築はけっこう大変だ。
今回は10年ほど前の使ってないPCを活用して無料でとりあえず環境構築までできたが、何も知らない人が新規に20万円とかの構成の高性能なGPU環境を手に入れても、それをまともに動かせるようにするまでにそこそこ時間がかかりそうだ。
Windowsで使う場合も苦労が多いようだけど、このあたりの設定をしないとGPUを使った機械学習・ディープラーニングなんかができない。
これを人に頼んでいるようではその後の問題にも対処できそうにないので、古いPCなんかを活用すれば何度でもやり直せるので、基本的なセットアップは自分でできるようにしておくと将来的に良さそうだ。
CUDA C プロフェッショナル プログラミング (impress top gear)
- 作者: John Cheng,Max Grossman,Ty McKercher,森野慎也,株式会社クイープ
- 出版社/メーカー: インプレス
- 発売日: 2015/09/24
- メディア: 単行本(ソフトカバー)
- この商品を含むブログ (4件) を見る
GPUを支える技術 ――超並列ハードウェアの快進撃[技術基礎] (WEB+DB PRESS plus)
- 作者: Hisa Ando
- 出版社/メーカー: 技術評論社
- 発売日: 2017/06/30
- メディア: 単行本(ソフトカバー)
- この商品を含むブログを見る
GPU並列図形処理入門 ~CUDA・OpenGLの導入と活用 (Software Design plus)
- 作者: 乾正知
- 出版社/メーカー: 技術評論社
- 発売日: 2014/02/18
- メディア: 大型本
- この商品を含むブログ (1件) を見る