Este guia detalha o processo de instalação e configuração do ambiente de desenvolvimento que inclui Anaconda, NVIDIA CUDA Toolkit e cuDNN em um sistema Ubuntu 22.04.
Informações do Sistema Operacional
Linux 6.8.0-52-generic #53~22.04.1-Ubuntu SMP PREEMPT_DYNAMIC Wed Jan 15 19:18:46 UTC 2 x86_64 x86_64 x86_64 GNU/Linux
- Instalação do Anaconda
1.1. Obtenção do Instalador
Para começar, faça o download do script de instalação do Anaconda. Recomenda-se a versão mais recente disponível ou uma específica conforme sua necessidade (ex: Anaconda3-XXX-Linux-x86_64.sh). Você pode baixar diretamente do site oficial do Anaconda ou de um mirror, como o da Tsinghua University para maior velocidade:
- Site Oficial: https://www.anaconda.com/download
- Mirror (exemplo): https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
1.2. Execução da Instalação
Navegue até o diretório onde o arquivo de instalação foi salvo e execute o script via terminal:
bash Anaconda3-XXX-Linux-x86_64.sh
Siga as instruções na tela:
- Pressione
Enterrepetidamente para revisar os termos de licença. - Quando solicitado a aceitar os termos (
Do you accept the license terms?), digiteyese pressioneEnter. - Confirme o diretório de instalação (o padrão geralmente é
~/anaconda3). PressioneEnterpara aceitar ou digite um novo caminho. - Quando perguntado se deseja inicializar o Anaconda editando seu
.bashrc(Do you wish to run conda init?), digiteyespara configurar o ambiente automaticamente.
A instalação será concluída e uma mensagem de sucesso será exibida.
1.3. Atualização do Ambiente Conda
Após a instalação, abra um novo terminal ou recarregue as variáveis do ambiente para que as alterações entrem em vigor:
source ~/.bashrc
Em seguida, atualize todos os pacotes do Anaconda para garantir que você tenha as versões mais recentes:
conda update --all
Resolução de Falhas na Atualização (Troca de Canais)
Se a atualização falhar devido a problemas de conexão ou indisponibilidade de canais, será necessário configurar novos canais de pacotes. Primeiro, verifique os canais atualmente configurados:
conda config --show channels
Se identificar um canal problemático (ex: com timeouts), remova-o e adicione um novo. Por exemplo:
# Remover um canal problemático
conda config --remove channels https://pypi.douban.com/anaconda/cloud/conda-forge/
# Adicionar um novo canal confiável (ex: espelho da Tsinghua)
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# Verifique novamente a lista de canais
conda config --show channels
Após ajustar os canais, tente novamente conda update --all.
1.4. Criação de Atalho para o Anaconda Navigator
Para facilitar o acesso ao Anaconda Navigator, crie um atalho na área de trabalho ou no menu de aplicativos do Ubuntu. Crie um arquivo .desktop:
sudo gedit /usr/share/applications/anaconda-navigator.desktop
Adicione o seguinte conteúdo ao arquivo, ajustando os caminhos Exec e Icon para o local correto da sua instalação do Anaconda (substitua /home/seu_usuario pelo seu diretório home):
[Desktop Entry]
Name=Anaconda Navigator
Type=Application
Exec=/home/seu_usuario/anaconda3/bin/anaconda-navigator
Icon=/home/seu_usuario/anaconda3/pkgs/anaconda-navigator-2.5.0-py311h06a4308_0/lib/python3.11/site-packages/anaconda_navigator/static/images/anaconda-icon-256x256.png
Terminal=false
Categories=Development;Science;
StartupNotify=true
Salve o arquivo. O atalho para o Anaconda Navigator deve agora aparecer em seus aplicativos.
- Instalação do NVIDIA CUDA Toolkit
2.1. Verificação da Versão Compatível do CUDA
Antes de instalar o CUDA, é crucial determinar a versão máxima suportada pela sua placa de vídeo NVIDIA. Execute o comando a seguir no terminal:
nvidia-smi
A saída mostrará a "CUDA Version" suportada pelo seu driver. Exemplo:
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 535.183.01 Driver Version: 535.183.01 CUDA Version: 12.2 |
|-----------------------------------------+----------------------+----------------------+
| GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=========================================+======================+======================|
| 0 NVIDIA GeForce RTX 3060 ... Off | 00000000:01:00.0 Off | N/A |
| N/A 56C P0 N/A / 115W | 8MiB / 6144MiB | 0% Default |
| | | N/A |
+-----------------------------------------+----------------------+----------------------+
Neste exemplo, a versão máxima de CUDA é 12.2. No entento, para compatibilidade com projetos específicos (como o original que usa CUDA 11.8), é comum instalar uma versão mais antiga, desde que seja compatível com o driver instalado.
2.2. Procedimento de Instalação do CUDA Toolkit
Acesse o arquivo de versões do CUDA Toolkit no site do desenvolvedor da NVIDIA: https://developer.nvidia.com/cuda-toolkit-archive. Escolha a versão desejada (neste caso, 11.8) para Ubuntu 22.04 e faça o download do instalador .run.
No terminal, execute os comandos para baixar e iniciar a instalação (substitua a URL e o nome do arquivo pela versão exata que você está instalando):
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run
Siga as instruções do instalador:
- Na tela de licença, digite
accept. - Quando for apresentado o menu de seleção de componentes, desselecione a opção "Driver" (pressione
Espaço) se você já tiver um driver NVIDIA funcional instalado. Manter o driver selecionado pode causar conflitos ou downgrades. - Navegue até a opção "Install" e pressione
Enterpara iniciar a instalação.
Aguarde a conclusão da instalação.
2.3. Configuração de Variáveis de Ambiente
Adicione os caminhos do CUDA às suas variáveis de ambiente para que o sistema possa encontrar as ferramentas do toolkit. Edite o arquivo ~/.bashrc:
sudo gedit ~/.bashrc
Adicione as seguintes linhas ao final do arquivo, certificando-se de que a versão (11.8) corresponde à que você instalou:
export PATH=/usr/local/cuda-11.8/bin:${PATH}
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:${LD_LIBRARY_PATH}
Salve e feche o editor. Em seguida, aplique as mudanças e verifique a instalação do CUDA:
source ~/.bashrc
nvcc --version
A saída deve exibir a versão do compilador CUDA:
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:33:58_PDT_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0
- Instalação do NVIDIA cuDNN
3.1. Download do Pacote cuDNN
O cuDNN (CUDA Deep Neural Network libray) é uma biblioteca essencial para aceleração de redes neurais. Faça o download da versão compatível com seu CUDA Toolkit (neste caso, CUDA 11.8 e cuDNN 8.7.0) no arquivo oficial:
https://developer.nvidia.com/rdp/cudnn-archive
Você precisará de uma conta de desenvolvedor NVIDIA para baixar.
3.2. Procedimento de Instalação do cuDNN
Após baixar o arquivo .deb (ex: cudnn-local-repo-ubuntu2204-8.7.0.84_1.0-1_amd64.deb), navegue até o diretório de download no terminal.
Primeiro, instale a biblioteca zlib1g, que é um pré-requisito:
sudo apt-get install zlib1g
Em seguida, instale o pacote de repositório local do cuDNN, copie a chave GPG e atualize os índices de pacotes:
sudo dpkg -i cudnn-local-repo-ubuntu2204-8.7.0.84_1.0-1_amd64.deb
sudo cp /var/cudnn-local-repo-ubuntu2204-8.7.0.84/cudnn-local-BF23AD8A-keyring.gpg /usr/share/keyrings/
sudo apt-get update
Agora, instale os pacotes principais do cuDNN. É fundamental instalar a versão exata que corresponde ao seu CUDA. Você pode verificar os pacotes disponíveis no repositório local (ex: cd /var/cudnn* e listar) ou inferir pelo nome do arquivo baixado. Supondo a versão 8.7.0.84-1+cuda11.8:
sudo apt-get install libcudnn8=8.7.0.84-1+cuda11.8
sudo apt-get install libcudnn8-dev=8.7.0.84-1+cuda11.8
sudo apt-get install libcudnn8-samples=8.7.0.84-1+cuda11.8
3.3. Verificação da Instalação do cuDNN
Para confirmar se o cuDNN foi instalado corretamente, compile e execute um dos exemplos incluídos na instalação.
Copie os exemplos para seu diretório home e navegue até o exemplo mnistCUDNN:
cp -r /usr/src/cudnn_samples_v8/ $HOME
cd $HOME/cudnn_samples_v8/mnistCUDNN
Limpe e compile o projeto de exemplo:
make clean && make
Se a compilação falhar com erros relacionados a libfreeimage, instale as bibliotecas necessárias:
sudo apt-get install libfreeimage3 libfreeimage-dev
Após instalar as dependências, execute make clean && make novamente. Uma vez compilado com sucesso, execute o exemplo:
./mnistCUDNN
Se a execução for bem-sucedida e exibir mensagens indicando o treinamento e teste do modelo MNIST, sua instalação do cuDNN está completa e funcionando.