PyTorchとCUDA Toolkitをインストールする

PyTorchとCUDA Toolkitの依存関係とインストール方法、CUDA ToolkitとCompute Capabilityの対応などを紹介します。

PyTorchとCUDA Toolkitについて

PyTorchは、深層学習のためのオープンソースの機械学習ライブラリです。PyTorchはGPUアクセラレーションをサポートしており、NVIDIAのGPUを利用する環境構築にCUDA Toolkitが必要となります。

Compute Capabilityの確認

まず初めに、利用するグラフィックボードが対応するCUDA Toolkitのバージョンを調べます。以下のリンクからお使いのグラフィックボードのCompute Capabilityを調べてください。Compute CapabilityはNVIDIAのGPUにおける機能や性能に関する情報を示すものです。

CUDA ToolkitとCompute Capabilityの対応表

CUDA ToolkitのバージョンでサポートされるCompute Capabilityの範囲があるので確認してください。（例 AmpereアーキテクチャのRTX 3xxxのCompute Capabilityは8.6なのでCUDA Toolkit 11.1～12.3まで対応している）

CUDA Toolkit	Kepler (early)	Kepler (late)	Maxwell	Pascal	Volta	Turing	Ampere	Ada Lovelace	Hopper
9.0 – 9.2	3.0				7.0
10.0 – 10.2	3.0					7.5
11.0		3.5					8.0
11.1 – 11.4		3.5					8.6
11.5 – 11.7.1		3.5					8.7
11.8		3.5							9.0
12.0 – 12.3			5.0						9.0

これでお使いのグラフィックボードが対応するCUDA Toolkitのバージョンが分かったと思います。

PyTorchのインストール

PyTorchのインストールになりますがPyTorchのバージョンと対応するCUDAバージョンがあります。以下のリンクにアクセスしてください。

CUDA Toolkitのインストール (Windows)

CUDA Toolkitのダウンロード

以下のリンクから確認したCUDA Toolkitのバージョンをダウンロードします。

インストールオプション

ダウンロードしたインストーラを実行してください。CUDA ToolkitインストーラにはNVIDIAグラフィックドライバなども含まれているため確認が必要です。

CUDA Toolkitのインストール (Linux)

CUDA Toolkitのインストール

確認したCUDA Toolkitのバージョンを選択します。

環境変数の設定

PATH変数とLD_LIBRARY_PATH変数を設定します。以下はCUDA Toolkit 11.8の例なのでバージョンに合わせて数字だけ変更してください。また、そのセッションのみ有効なので毎回入力するのが煩わしい場合は、~/.bashrcや~/.bash_profileなどのシェルの設定ファイルにこれらの行を追加して自動的に読み込まれるようにしてください。

export PATH=/usr/local/cuda-11.8/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

CUDA Toolkitのインストール (Conda)

Condaコマンドを使用して仮想環境にインストールすることができます。Windowsインストーラと違い一部コンポーネントはダウンロードされません。以下のリンクにアクセスしてインストールしたいCUDA Toolkitのバージョンのコードをコピーして実行してください。（自動的に環境変数のPATHは設定されます）