Installation facile des pilotes Nvidia avec la dernière version de CUDA

Table of Contents

1. Intro
2. Vérifier la compatibilité de votre carte graphique NVIDIA
3. Purger les anciens pilotes NVIDIA
4. Installation des pilotes NVIDIA
5. Vérifier la version des pilotes et de CUDA
6. Télécharger et installer le kit de développement CUDA
7. Configurer les variables d'environnement pour CUDA
8. Télécharger et installer KU DNN
9. Configurer les fichiers nécessaires pour KU DNN
10. Conclusion

Comment installer et configurer CUDA pour votre carte graphique NVIDIA

L'utilisation de CUDA est essentielle pour exploiter pleinement les capacités de votre carte graphique NVIDIA lors de la formation de réseaux neuronaux ou de l'utilisation de bibliothèques d'apprentissage en profondeur telles que TensorFlow ou PyTorch. Dans ce guide, nous vous montrerons comment installer et configurer CUDA, ainsi que les pilotes NVIDIA nécessaires, afin de pouvoir tirer le meilleur parti de votre GPU.

1. Vérifier la compatibilité de votre carte graphique NVIDIA 🖥️

Avant de commencer l'installation de CUDA, il est important de vérifier la compatibilité de votre carte graphique NVIDIA. Pour ce faire, ouvrez un terminal et entrez la commande suivante :

LS PCI | grep Nvidia

Cette commande affichera les informations sur votre carte graphique, y compris le type de produit, la série et le modèle. Assurez-vous d'avoir une carte graphique NVIDIA compatible avant de poursuivre.

2. Purger les anciens pilotes NVIDIA ❌

Avant d'installer les nouveaux pilotes NVIDIA, il est recommandé de purger les anciennes versions de pilotes présentes sur votre système. Pour purger les anciens pilotes, utilisez la commande suivante dans le terminal :

sudo apt purge nvidia-*

Cela supprimera tous les pilotes NVIDIA installés sur votre système. Veillez à sauvegarder vos données importantes avant d'exécuter cette commande, car elle peut prendre un certain temps pour s'achever.

3. Installation des pilotes NVIDIA ✅

Une fois que vous avez purgé les anciens pilotes, vous pouvez maintenant installer les nouveaux pilotes NVIDIA. Pour cela, vous devez ajouter une source de logiciels supplémentaire à Ubuntu. Utilisez la commande suivante dans le terminal :

sudo add-apt-repository ppa:graphics-drivers/ppa

Cette commande ajoute le référentiel des pilotes graphiques les plus récents et préférés. Ensuite, mettez à jour votre système avec la commande suivante :

sudo apt-get update

Cela permettra à Ubuntu de rechercher les logiciels les plus à jour et leurs dépendances. Enfin, installez les pilotes NVIDIA en tapant la commande suivante :

sudo apt install nvidia-driver-410

Cette commande installera la dernière version stable du pilote NVIDIA (la version utilisée dans ce guide est la version 410). Après l'installation, redémarrez votre ordinateur pour que les modifications prennent effet.

4. Vérifier la version des pilotes et de CUDA ✍️

Après le redémarrage de votre ordinateur, vous devez vérifier que les pilotes NVIDIA et la version de CUDA ont bien été installés. Pour cela, utilisez la commande suivante dans le terminal :

nvidia-smi

Cette commande affichera une table contenant des informations sur la version des pilotes ainsi que la version de CUDA installée. Vérifiez que les versions correspondent à celles que vous avez installées.

5. Télécharger et installer le kit de développement CUDA 📥

Maintenant que vous avez installé les pilotes NVIDIA, il est temps de télécharger et d'installer le kit de développement CUDA correspondant. Rendez-vous sur le site officiel de NVIDIA (https://developer.nvidia.com/cuda-downloads) pour cela.

Sur cette page, sélectionnez votre plateforme cible (Linux), l'architecture (x86_64), la distribution (Ubuntu) et la version (18.04) correspondant à votre système. Ensuite, téléchargez le fichier d'installation du CUDA Toolkit. Une fois le fichier téléchargé, extrayez son contenu dans un répertoire de votre choix.

Dans le terminal, accédez au répertoire où vous avez extrait les fichiers et exécutez les commandes fournies par NVIDIA pour installer le CUDA Toolkit. Une fois l'installation terminée, passez à l'étape suivante.

6. Configurer les variables d'environnement pour CUDA ⚙️

Maintenant que le CUDA Toolkit est installé, nous devons configurer les variables d'environnement appropriées pour pouvoir utiliser les commandes CUDA dans le terminal.

Ouvrez le fichier .bashrc dans un éditeur de texte (par exemple, nano) en utilisant la commande suivante :

nano ~/.bashrc

En bas du fichier, ajoutez les lignes suivantes :

export PATH=/usr/local/cuda-10.1/bin${PATH:+:$PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda-10.1

Sauvegardez les modifications et quittez l'éditeur (dans nano, utilisez Ctrl+O pour sauvegarder, puis Ctrl+X pour quitter).

Pour que les modifications prennent effet, exécutez la commande suivante dans le terminal :

source ~/.bashrc

Cela mettra à jour les variables d'environnement et vous permettra d'utiliser les commandes CUDA.

7. Télécharger et installer KU DNN 📥

Maintenant que vous avez configuré l'environnement CUDA, vous pouvez télécharger et installer KU DNN. Rendez-vous sur le site officiel de NVIDIA (https://developer.nvidia.com/ku-dnn) et créez un compte ou connectez-vous si vous en avez déjà un.

Une fois connecté, téléchargez la version de KU DNN correspondant à votre version de CUDA. Extrayez les fichiers de l'Archive téléchargée dans un répertoire de votre choix.

8. Configurer les fichiers nécessaires pour KU DNN ⚙️

Pour utiliser KU DNN, vous devez copier certains fichiers dans les bons répertoires. Dans le terminal, accédez au répertoire où vous avez extrait les fichiers KU DNN et exécutez les commandes suivantes :

sudo cp include/cudnn.h /usr/include
sudo cp lib64/libcudnn* /usr/lib/x86_64-linux-gnu/
sudo chmod a+r /usr/include/cudnn.h /usr/lib/x86_64-linux-gnu/libcudnn*

Ces commandes copieront les fichiers nécessaires dans les emplacements appropriés et définiront les permissions correctes.

Une fois ces étapes terminées, vous avez installé les pilotes NVIDIA, la version de CUDA souhaitée et KU DNN sur votre système. Vous êtes maintenant prêt à exploiter la puissance de votre carte graphique pour l'apprentissage en profondeur !

10. Conclusion ✨

Félicitations ! Vous avez réussi à installer et configurer CUDA pour votre carte graphique NVIDIA. Maintenant, vous pouvez profiter de performances accélérées en utilisant votre GPU pour l'entraînement de réseaux neuronaux et d'autres tâches d'apprentissage en profondeur.

N'oubliez pas de consulter les ressources supplémentaires ci-dessous pour plus d'informations et de tutoriels sur l'apprentissage en profondeur avec CUDA et les bibliothèques associées.

*Ressources supplémentaires :

• NVIDIA Developer Portal - https://developer.nvidia.com/
• CUDA Documentation - https://docs.nvidia.com/cuda/
• TensorFlow Official Website - https://www.tensorflow.org/
• PyTorch Official Website - https://pytorch.org/*