PyTorchやTensorFlowなどのPythonの深層学習フレームワークを使用するのに必要となるCUDA ToolkitをWindows10にインストールします。
NVIDIA製のGPUを搭載していないPCではCUDAは利用できません。
必須環境
- Windows10
- NVIDIA製GPU
作業内容
例ではCUDA Toolkit 11.1 Update 1をインストールしますが、他のバージョンのインストールも殆ど手順は変わりません。
- CUDA Toolkit 11.1 Update 1のインストール
Compute Capabilityについて
GPUの世代によって、対応しているライブラリに制限があります。
一般的に、PyTorchやTensorFlowで利用するには2015年以降に発売された製品(Compute Capability 3.5以上)である必要があります。
Compute Capabilityはこのページを参照してください。
インストーラーのダウンロード
まず、このページからCUDA Toolkitのインストーラーをダウンロードします。
Select Target Platformを[Windows] [x86_64] [10] [exe (network)]と順番に選びます。
全て選ぶと下の方にダウンロードボタンが出て来るので、クリックしてインストーラ―をダウンロードします。
インストール
ダウンロードしたインストーラ―を実行してください。
最初に、インストーラ―を何処に一時的に展開するかを選択します。
デフォルトのままOKをクリックします。
画面に沿ってインストールを進めます。
使用許諾契約書に同意して続行します。
例ではPyTorchやTensorFlowを実行できる環境が作成できればいいので、カスタムモードで次へ進みます。
PyTorchやTensorFlowの実行に最低限必要なのはCUDA中のRuntimeのみです。
ここでは、Runtime Nsight Systems Nsight Computeをインストールします。
Development: 開発向け。CUDAのプログラム自体を開発する人は必要。Visual Studio Integration: VS(Codeではない)のプラグイン。VSで開発する人は好みで。Nsight Systems: GPUのプロファイリングをするアプリ。Nsight Compute: 同上。Samples: CUDAのサンプルプログラム。好みで。Runtime: 実行に必要。Nsight NVTX: Nsightの拡張キット。開発する人は好みで。Nsight VSE: NsightのVS拡張キット。VSで開発する人は好みで。
以下はGPUドライバです。
例では現在のバージョンがインストールされる物よりも新しいのでチェックを外します。
インストール場所を設定します。デフォルトのまま次へ進みます。
暫く待つと選択したコンポーネントのインストールが完了します。
パスの確認
インストールしたCUDA Toolkitを利用できるようにするには環境変数を設定する必要があります。
通常、自動でこの変数は設定されるので、確認しましょう。
コントロール パネル\システムとセキュリティ\システムを開きます。
コンピューターの情報が表示されるので、ウィンドウ左部のシステムの詳細設定をクリックします。
環境変数を開きます。
CUDA_PATH CUDA_PATH_V11_1にCUDA Toolkitのインストールディレクトリが設定されているのを確認します。
