Christina Codes

LINUX - nvidia driver, cuda, cudnn 설치 (ubuntu 18.04)

  • Jul 10, 2021

1. GPU 하드웨어와 호환되는 nvidia driver version 확인

nvidia에서 제공하는 gpu 관련 패키지 (ex. cuda, cudnn) 또는 tensorflow, torch를 설치하기 전에 nvidia 드라이버를 먼저 설치해야한다.

내가 갖고 있는 gpu 모델은 NVIDIA TITAN RTX 이다.

nvidia 하드웨어별 드라이버 버전 확인 사이트 에서 나의 GPU 모델명을 입력하면 다음과 같은 결과가 나온다. NVIDIA Recommended인 450.119.03버전을 선택한다.

Ubuntu의 패키지 관리 명령어인 apt-get 로 nvidia driver를 설치하려고 했다.

$ sudo apt-get install --no-install-recommends nvidia-driver-450
$ sudo reboot # 시스템 재부팅을 해줘야 nvidia driver 설치가 완료된다.

패키지 설치를 완료한 후 nvidia driver의 버전을 확인했다.

$ cat /proc/driver/nvidia/version
# NVRM version: NVIDIA UNIX x86_64 Kernel Module  470.42.01  Tue Jun 15 21:26:37 UTC 2021
# GCC version:  gcc version 7.5.0 (Ubuntu 7.5.0-3ubuntu1~18.04)

또는

$ nvidia-smi

로 버전을 확인할 수 있다.

그런데 롸??? 난 분명히 패키지의 버전을 450으로 설정했는데 확인해보니 470이 깔려있다.

nvidia-driver 이름으로 시작하는 패키지를 검색해보자. api-cache 는 low level ubuntu 패키지 관리 명령어로 search 명령어와 사용해 패키지를 검색할 수 있다.

$ apt-cache search nvidia-driver
# nvidia-driver-390 - NVIDIA driver metapackage
# ...
# nvidia-driver-450 - NVIDIA driver metapackage
# nvidia-driver-470 - NVIDIA driver metapackage

분명 450 패키지가 존재하는데 왜 470 패키지가 대신 깔린지 모르겠다 ㅠ

일단 스킵. 따라서 현재 서버 스펙은 다음과 같다.

OS : Linux

Distribution: Ubuntu 18.04

Architecture: x86_64

GPU Model : Nvidia Titan RTX

Nvidia Driver Version : 470.47.01 (beta version)

2. tensorflow & torch와 호환되는 cuda, cudnn version 확인

tensorflow 버전별로 호환되는 python, gcc, cuDNN, CUDA 버전은 다음과 같다.

torch는 여러 버전의 cuda, cudnn 을 지원한다.

torch 1.7.1, tensorflow 2.*를 사용한다는 가정하에 cuda 버전을 선택할 때, torch와 tensorflow와 호환이 가능한지를 가장 우선적으로 고려했다. 따라서 가장 최신 버전인 11.0을 선택했다. cuDNN 버전은 cuda와 호환되는 8.0.4 를 선택했다.

CUDA 다운로드는 Nvidia Cuda Tookit Archive에서 나의 환경에 맞는 설치 방식을 정한다. 나의 경우 network, 즉 apt-get 명령어를 통해 패키지를 설치하는 방법을 택했다.

# CUDA 패키지 (cuda-11-0) 설치
$ wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
$ sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
$ sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
$ sudo add-apt-repository "deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/ /"

# cuDNN 패키지 (libcudnn) 설치 
$ wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb
$ sudo apt install ./nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb
sudo apt-get update

sudo apt-get install --no-install-recommends \
    cuda-11-0 \
    libcudnn8=8.0.4.30-1+cuda11.0  \
    libcudnn8-dev=8.0.4.30-1+cuda11.0

설치가 완료되면 환경 변수를 등록하는 일만 남았다.

홈 디렉토리에 있는 ~/.profile 파일을 열어서 서버가 부팅시 생성하는 환경 변수에 CUDA 설치 위치를 추가해주자.

# ~/.profile
export PATH=$PATH:/usr/local/cuda-11.0/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.0/lib64

파일을 저장한 후

$ source ~/.profile

source 명령어로 변경된 사항을 서버에 반영하자.

이제 설치된 CUDA 버전을 확인해보자.

$ nvcc --version 
# nvcc: NVIDIA (R) Cuda compiler driver
# Copyright (c) 2005-2020 NVIDIA Corporation
# Built on Wed_Jul_22_19:09:09_PDT_2020
# Cuda compilation tools, release 11.0, V11.0.221
# Build cuda_11.0_bu.TC445_37.28845127_0

설치된 cuDNN을 확인해보자.

$ ldconfig
$ ldconfig -N -v $(sed 's/:/ /' <<< $LD_LIBRARY_PATH) 2>/dev/null | grep libcudnn
#	libcudnn_adv_train.so.8 -> libcudnn_adv_train.so.8.0.4
#	libcudnn_ops_infer.so.8 -> libcudnn_ops_infer.so.8.0.4
#	libcudnn_ops_train.so.8 -> libcudnn_ops_train.so.8.0.4
#	libcudnn_cnn_train.so.8 -> libcudnn_cnn_train.so.8.0.4
#	libcudnn.so.8 -> libcudnn.so.8.0.4
#	libcudnn_cnn_infer.so.8 -> libcudnn_cnn_infer.so.8.0.4
#	libcudnn_adv_infer.so.8 -> libcudnn_adv_infer.so.8.0.4

다음과 같이 결과가 나오면 설치가 완료된 것이다.

결과적으로 다음과 같은 스펙이 완성됐다!

OS : Linux

Distribution: Ubuntu 18.04

Architecture: x86_64

GPU Model : Nvidia Titan RTX

Nvidia Driver Version : 470.47.01 (beta version)

CUDA Version: 11.0

cuDNN Version: 8.0.4

Reference

Search