Instalação do Driver NVIDIA no Ubuntu 18.04

Identificar o Modelo da Placa Gráfica

Execute o comando a seguir para listar drivers compatíveis:

sudo ubuntu-drivers devices

A saída mostrará uma lista com um driver recomendado. Se o comando não for encontrado, instale a ferramenta de diagnóstico:

sudo apt-get install ubuntu-drivers-common

Instalação do Driver

Para instalar automaticamnete o driver recomendado, utilize:

sudo ubuntu-drivers autoinstall

Para instalar uma versão específica, por exemplo a 470, execute:

sudo apt-get install nvidia-driver-470

Verificação da Instalação

Use o utilitário do fabricante para confirmar a instalação:

nvidia-smi

Se informações da placa gráfica forem exibidas, o processo foi concluído com sucesso. Reinicie o sistema caso necessário.

Instalação do CUDA no Ubuntu 18.04

Obtenção do Instalador

Baixe o pacote de instalação do CUDA a partir do portal oficial da NVIDIA.

Processo de Instalação

Após o download, conceda permissão de execução e inicie a instalação com parâmetros para evitar conflitos:

wget https://developer.download.nvidia.com/compute/cuda/11.2.0/local_installers/cuda_11.2.0_460.32.03_linux.run
sudo chmod +x cuda_11.2.0_460.32.03_linux.run
sudo ./cuda_11.2.0_460.32.03_linux.run --toolkit --silent --override

Em caso de erro relacionado a drivers existentes, remova-os previamente:

sudo apt-get purge nvidia-*

Configruação do Ambiente

Edite o arquivo de configuração do shell para adicionar o CUDA ao caminho:

echo 'export PATH=/usr/local/cuda-11.2/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.2/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

Validação do CUDA

Verifique a versão do compilador instalado:

nvcc --version

Alternativamente, compile e execute um exemplo de teste:

cd /usr/local/cuda-11.2/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

Remoção do CUDA

Para desinstalar completamente, delete os diretórios de instalação:

sudo rm -rf /usr/local/cuda*

Instalação do cuDNN no Ubuntu 18.04

Download do Pacote

Adquira o arquivo compactado do cuDNN após registro no site da NVIDIA.

Extração e Configuração

Descompacte o pacote e copie os arquivos para o diretório do CUDA:

tar -zxvf cudnn-11.2-linux-x64-v8.1.1.33.tgz
sudo cp -r cuda/include/* /usr/local/cuda-11.2/include/
sudo cp -r cuda/lib64/* /usr/local/cuda-11.2/lib64/

Teste do cuDNN

Instale os pacotes de validação e execute o teste de exemplo:

sudo dpkg -i libcudnn8_8.1.1.33-1+cuda11.2_amd64.deb
sudo dpkg -i libcudnn8-dev_8.1.1.33-1+cuda11.2_amd64.deb
sudo dpkg -i libcudnn8-samples_8.1.1.33-1+cuda11.2_amd64.deb
cp -r /usr/src/cudnn_samples_v8/ ~/
cd ~/cudnn_samples_v8/mnistCUDNN
make clean && make
./mnistCUDNN

Instalação do Pytorch no Ubuntu 18.04

Instalação via Gerenciador de Pacotes

Utilize o comando recomendado no site oficial do Pytorch para garantir a compatibilidade com o CUDA:

pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

Certifique-se de que a versão do CUDA instalada corresponde à exigida. Verifique com:

cat /usr/local/cuda/version.txt
nvcc -V

Validação do Ambiente GPU

Execute um comando Python para verificar se o Pytorch detecta a GPU:

python -c "import torch; print('Disponibilidade CUDA:', torch.cuda.is_available())"

Um retorno de True indica que a configuração está correta e pronta para uso.