الکتروهایو

هوش مصنوعی / الکترونیک / برنامه‌نویسی

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

نحوه نصب NVIDIA CUDA toolkit دراوبونتو

نحوه نصب NVIDIA CUDA toolkit دراوبونتو در الکتروهایو
در این مقاله می‌خوانید:

زمان تخمینی مطالعه: 6 دقیقه

پلت فرم NVIDIA CUDA Toolkit یک بستر نرم افزاری است که به توسعه دهندگان اجازه می‌دهد تا از قدرت محاسباتی پردازش NVIDIA و برنامه‌های کاربردی شتاب دهنده GPU بهره ببرند. CUDA همچنین یک مدل برنامه نویسی و یک API است که برنامه نویسان حوزه هوش مصنوعی را قادر می‌سازد تا کدی بنویسند که می‌تواند بر روی CPU و GPU اجرا شود و در عین حال انتقال داده بین آنها را نیز مدیریت کند. با استفاده از جعبه ابزار CUDA، می‌توانید عملکرد، مقیاس پذیری و کارایی را در طیف وسیعی از برنامه‌ها بهبود ببخشید. اینها شامل محاسبات، یادگیری عمیق، بینایی کامپیوتر، بازی و غیره است.

این جعبه ابزار از زبان‌های برنامه نویسی مانند C، C++، Fortran، Python و Java پشتیبانی می‌کند. به طور یکپارچه با چارچوب‌ها و کتابخانه‌هایی مانند TensorFlow، PyTorch OpenCV و cuDNN ادغام می‌شود. همچنین، استفاده از CUDA Toolkit در حوزه‌های مختلفی مانند امور مالی مراقبت‌های بهداشتی، روباتیک، صنعت خودرو و سرگرمی گسترش می‌یابد. اگر به دنبال سرعت بخشیدن به پردازش تصویر یا پردازش زبان طبیعی، بهبود رمزنگاری یا پیشبرد تکنیک‌های ردیابی پرتو هستید، جعبه ابزار CUDA به شما این امکان را می‌دهد تا مشکلات را سریع‌تر و کارآمدتر حل کنید. از نظر سازگاری، NVIDIA CUDA Toolkit از توزیع‌های لینوکس از جمله Ubuntu، Debian، Fedora، CentOS و OpenSUSE پشتیبانی می‌کند.

در این مقاله، من شما را با فرآیند نصب CUDA Toolkit در اوبونتو 22.04، که اتفاقاً نسخه LTS (پشتیبانی طولانی مدت) اوبونتو است، آشنا می‌کنم.

پیش نیا‌زها

برای نصب NVIDIA CUDA Toolkit در اوبونتو 22.04 به موارد زیر نیاز دارید:

در این راهنما من از یک نمونه GPU Paperspace با سیستم عامل Ubuntu 22.04 LTS استفاده خواهم کرد. لطفاً توجه داشته باشید که می‌توانید از هر ارائه‌دهنده خدمات Cloud دیگری مانند Google Cloud و Vultr یا حتی رایانه شخصی خود استفاده کنید، تا زمانی که شرایط ذکر شده در بالا را برآورده کند. برای شروع، باید یک کاربر جدید مانند seconduser ایجاد کنید و سپس به کاربر جدید بروید.

نصب NVIDIA CUDA Toolkit

می‌توانید CUDA را با استفاده از فایل انتشار یا به طور متناوب با استفاده از Conda نصب کنید. در این راهنما، ما CUDA را با فایل انتشار از آرشیو رسمی Toolkit نصب خواهیم کرد.

  1. مرحله 1: فایل انتشار CUDA را دانلود کنید.
 $ wget https://developer.download.nvidia.com/compute/cuda/12.0.1/local_installers/cuda_12.0.1_525.85.12_linux.run
  1. مرحله 2: فایل انتشار را اجرا کنید.
 $ sudo sh cuda_12.0.1_525.85.12_linux.run

از شما خواسته می‌شود موافقتنامه مجوز کاربر نهایی را بپذیرید، سپس Enter را فشار دهید تا نصب خود را پیکربندی کنید. پس از اتمام نصب، باید خروجی مشابه تصویر زیر را ببینید:

پیکربندی و تأیید

  1. مرحله 1: سرور را پیکربندی کنید : سرور را برای کار با جعبه ابزار CUDA پیکربندی کنید. مسیر CUDA را به PATH سیستم منتقل کنید، سپس مسیر کتابخانه CUDA Toolkit را به LD_LIBRARY_PATH اضافه کنید تا بارگذار پیوند CUDA با مکان کتابخانه‌های مشترک به روز شود.
  $ echo "export PATH=/usr/local/cuda-12.0/bin${PATH:+:${PATH}}" >> /home/seconduser/.bashrc
  $ echo "export LD_LIBRARY_PATH=/usr/local/cuda-12.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}" >> /home/seconduser/.bashrc
  1. مرحله 2: محیط را فعال کنید : پس از پیکربندی سرور برای کار با جعبه ابزار CUDA، تغییرات متغیر محیطی را فعال کنید تا سیستم بتواند CUDA را پیدا کرده و از آن استفاده کند.
$ source /home/seconduser/.bashrc
  1. مرحله 3: تأیید نصب
 $ nvidia-smi

خروج حاصل در تصویر زیر نشان داده شده است:

  1. مرحله 4: نصب بسته را بررسی کنید: بررسی کنید که بسته CUDA Toolkit با موفقیت روی سرور شما نصب شده باشد.
 $ nvcc --version

خروج حاصل در تصویر زیر نشان داده شده است:

تست کردن

برای آزمایش برنامه‌های CUDA که به تازگی نصب شده‌اید، از چند اسکریپت آزمایشی ساخته‌شده توسط CUDA استفاده می‌کنید که به شما امکان می‌دهد سازگاری و عملکرد محیط دارای CUDA را به طور جامع تأیید کنید.

  1. مرحله 1: مخزن اسکریپت‌های آزمایشی را کلون کنید
 $ git clone https://github.com/NVIDIA/cuda-samples.git
  1. مرحله 2: به دایرکتوری حاوی اسکریپت نمونه deviceQuery بروید.
 $ cd cuda-samples/Samples/1_Utilities/deviceQuery
  1. مرحله 3: اسکریپت را کامپایل کنید.
 $ make
  1. مرحله 4: اسکریپت را اجرا کنید.
 $ ./deviceQuery

اگر برنامه CUDA شما اسکریپت را با موفقیت اجرا کرد، خروجی شما باید مشابه تصویر زیر باشد:

نتیجه گیری

در این مقاله نحوه نصب جعبه ابزار CUDA در اوبونتو 22.04 را یاد گرفتید. برخی از بهترین روش‌ها برای استفاده از CUDA در اوبونتو عبارتند از:

  • سیستم و درایورهای NVIDIA خود را به روز نگه دارید تا از سازگاری و پایداری جعبه ابزار CUDA اطمینان حاصل کنید.
  • از CUDA APT PPA برای نصب و به روز رسانی CUDA Toolkit به راحتی و سریع استفاده کنید.
  • از گزینه‌ها و پرچم‌های کامپایلر nvcc برای بهینه‌سازی و اشکال زدایی کد CUDA خود استفاده کنید.
  • از کتابخانه‌ها و ابزارهای CUDA برای بهبود و ساده‌سازی فرآیند توسعه CUDA خود استفاده کنید.
  • برای نوشتن کد CUDA کارآمد و قابل نگهداری، از استانداردهای کدگذاری CUDA و بهترین شیوه‌ها پیروی کنید.

در اینجا چند منبع برای کسب اطلاعات بیشتر در مورد CUDA وجود دارد:

لوگو الکتروهایو

الکتروهایو در خدمت مخاطبان عزیز می‌باشد. ما در تیم الکتروهایو در تلاش برای تهیه مقالات و مطالب به روز هستیم. لطفا برای مطالب و مقالات بیشتر با ما همراه باشید.

مطالب مرتبط:

نقص نیورالینک Neuralink در اولین کارآزمایی انسانی!! آیا ایلان ماسک شکست خورده است؟ - سایت الکتروهایو

نقص نیورالینک Neuralink در اولین کارآزمایی انسانی!! آیا ایلان ماسک شکست خورده است؟

آخرین اخبار در مورد نرورالینک که شرکت فناوری عصبی ایلان ماسک(Neuralink) است نشان می‌دهد که اولین آزمایش انسانی کاشت یک تراشه مغزی بر روی یک مرد 29 ساله به نام Noland Arbaugh انجام داد. اما در این فرآیند یک نقص

ادامه مطلب »
محاسبات GPU چیست؟ - الکتروهایو

محاسبات GPU چیست؟

هدف اصلی یک واحد پردازش گرافیکی (GPU) تسریع در ارائه و پردازش گرافیک است. با این حال، آنچه که GPU ها را در پردازش تصاویر بصری عالی می‌کند، این سخت افزار را در انجام وظایف خاص غیر گرافیکی (مانند آموزش

ادامه مطلب »
ارائه تکنیکی جدید توسط ریاضیدان‌ها برای افزایش سرعت اینترنت اشیا بوسیله روش تقسیم ترافیک بهینه - در الکتروهایو

ارائه تکنیکی جدید توسط ریاضیدان‌ها برای افزایش سرعت اینترنت اشیا بوسیله روش تقسیم ترافیک بهینه

ریاضیدانان دانشگاه RUDN یک الگوریتم مسیریابی جدید برای بهینه کردن و افزایش سرعت اینترنت اشیا ایجاد کرده‌اند. این الگوریتم به طور بهینه ترافیک را تقسیم می‌کند که سرعت و قابلیت اطمینان شبکه را بهبود می‌بخشد. نتایج در Mathematics منتشر شد.

ادامه مطلب »
کامل‌ترین راهنما برای انتخاب بهترین برد آردوینو برای انواع پروژه‌ها!!! در الکتروهایو

کامل‌ترین راهنما برای انتخاب بهترین برد آردوینو برای انواع پروژه‌ها!!!

بسیاری از مبتدیان دنیای الکترونیک، فعالیت خود را در این حوزه با کار بر روی برد Arduino شروع کردند. به هر حال، برد آردوینو یکی از محبوب‌ترین و مستندترین میکروکنترلرهای موجود در بازار است. اما وقتی وارد این اکوسیستم می‌شویم

ادامه مطلب »
داده‌های اسمی Nominal Data - الکتروهایو

داده‌های اسمی Nominal Data چیست؟

داده‌های اسمی(Nominal Data) یکی از اساسی‌ترین انواع داده‌ها در تجزیه و تحلیل داده‌ها است. شناسایی …

حاشیه‌نویسی متن در هوش مصنوعی - سایت الکتروهایو

حاشیه‌نویسی متن در هوش مصنوعی

حاشیه‌نویسی داده به الگوریتم‌های یادگیری ماشین اجازه می‌دهد تا اطلاعات را درک و تفسیر کنند. …

هوش مصنوعی در باستان شناسی و کاربردهای آن - سایت الکتروهایو

هوش مصنوعی در باستان شناسی چه کاربردهای می‌تواند داشته باشد؟

مکان‌های باستان‌شناسی ممکن است ثابت باشند، اما فرهنگ‌هایی که آنها را تولید کرده‌اند، پویا و …

با الگوریتم تشخیص اشیاء FCOS آشنا شوید - سایت الکتروهایو

با الگوریتم تشخیص اشیاء FCOS آشنا شوید: تشخیص اشیاء تک مرحله‌ای کاملاً کانولوشنال

تشخیص اشیاء یک کار مهم در بینایی کامپیوتر است که با رسم کادرهای محدود کننده …

تصویربرداری چند طیفی، دیدی جدید فراسوی نور مرئی - سایت الکتروهایو

تصویربرداری چند طیفی، دیدی جدید فراسوی نور مرئی

تصویربرداری چند طیفی تکنیکی است که نور را در طیف وسیعی از باندهای طیفی، فراتر …