#author("2025-04-17T11:33:25+09:00","","")
#author("2025-04-17T11:42:28+09:00","","")
[[Windows/wsl]]
*Windows の WSL で GPU (GeForce) を使う。 [#tf7de8c9]
https://learn.microsoft.com/ja-jp/windows/ai/directml/gpu-cuda-in-wsl
** Windows へのドライバインストール [#i3ddaaa4]
+ ドライバの確認 Power Shell で、次のコマンドを入力する。
nvidia-smi
エラーなく、対象のGPUが表示されればOK。
表示されていない場合は、NVIDIAのページよりドライバをダウンロード＆インストールする。
※メーカーPCの場合は、メーカーのページより適宜ダウンロード＆インストールする。
** WSL への cuda インストール [#n924a90e]
下記 URL より、対象 OS 等選択すると、手順が表示される。
&color(red, CUDA Toolkit Installer); の手順に従って インストールする。
※ Driver Installer の方は、インストールしないこと。
https://developer.nvidia.com/cuda-downloads
※ wget がない場合は、事前にインストールしておく。
-Debian 系
sudo apt install wget
-Red Hat 系
sudo yum install wget
** 確認 [#k6011b5a]
途中、うまくいかない場合は、以下確認。
WSL 上で、下記実行し表示されれば認識はしている。
nvidia-smi
cuda のバージョン確認は、下記コマンドで可能
/usr/local/cuda/bin/nvcc -V
** 上記までできれば、せっかくなので、PyTorch を入れる。 [#yee5c270]
- Python をインストール、設定する。
[[Linux/基本設定]] のページに記載あります。
※Python のバージョンは PyTorch が対応しているバージョン(2025年3月時点では、3.9 ～3.13) を利用ください。(他ツール等考慮すると、3.10.x が良いかと思います)
- PyTorch をインストールする。
# venv 使う場合
python -m venv pytorch
. pytorch/bin/activate
# pytorch 関連インストール
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
★最新のコマンドは次の PyTorch のページで確認ください。
https://pytorch.org/
※Install PyTorch にて、自分の環境を選択して、Run this Command: に表示されるコマンドを実行すればOKです。
- 確認
次のコマンドで、True が表示されれば OKです。
python -c "import torch; print(torch.cuda.is_available())"
* scikit-learn [#ldf3f539]
ついでに、scikit-learn の環境構築
mkdir scikit-learn
cd scikit-learn
python -m venv venv
. venv/bin/activate
pip install numpy
pip install scikit-learn
pip install cupy-cuda12x
※ cupy-cuda12x は、nvidia-smi で表示される CUDA Version に合わせてください。(11.xx であれば、cupy-cuda11x となります)
* Docker での GPU 利用 [#l6b7d4ba]
- nvidia-container-toolkit をインストールする
sudo apt install nvidia-container-toolkit
- 設定
sudo nvidia-ctk runtime configure --runtime=docker
# 上記で /etc/docker/daemon.json ファイルが生成される。適宜更新のこと。
-Docker デーモン再起動
sudo systemctl restart docker
* Kubernetes での GPU 利用 [#j3ae3cb1]
- nvidia-container-toolkit をインストールする
sudo apt install nvidia-container-toolkit
- 設定
sudo nvidia-ctk runtime configure --runtime=containerd
# 上記で /etc/containerd/config.toml ファイルが生成される。適宜更新のこと。
-Docker デーモン再起動
sudo systemctl restart containerd
* 実行 [#v7e2909a]
* 実行 (docker) [#v7e2909a]
docker run -it --rm --gpus all <イメージ名>
GPU を指定したい場合
docker run -it --rm --gpus device=<ID> <イメージ名>
** GPU を指定したい場合 [#rceefd20]
- Device ID (UUID 指定)
docker run -it --rm --gpus device=<ID> <イメージ名> [<コマンドなど>]
# Ex)
docker run -it --rm --gpus device=GPU-3a23c669-1f69-c64e-cf85-44e9b07e7a2a
docker run -it --rm --gpus device=GPU-3a23c669-1f69-c64e-cf85-44e9b07e7a2a ubuntu nvidia-smi
※<ID>は、nvidia-smi -L にて表示される UUID 部分
$ /usr/lib/wsl/lib/nvidia-smi -L
GPU 0: NVIDIA H100-PCIE (UUID: GPU-3a23c669-1f69-c64e-cf85-44e9b07e7a2a)
- Device ID (GPU番号指定)
docker run -it -rm --gpus '"device=<GPU番号。カンマ区切りで複数指定可能>"' <イメージ名>
# Ex)
docker run -it --rm --gpus '"device=0,2"' ubuntu nvidia-smi
※GPU番号は、nvidia-smi -L にて表示される GPU XX: ～ の XX 部分の番号
* Docker Compose [#sfe32bf9]
docker-compose.yml のサンプル
version: '3'
services:
voicevox:
image: voicevox/voicevox_engine:nvidia-latest
ports:
- 127.0.0.1:50021:50021
deploy:
resources:
reservations:
devices:
- driver: nvidia
count: 1
capabilities: [gpu]
# count の代わりに device_ids の指定も可能 (どちらか片方を指定のこと)
# device_ids: ['0', '2']
----
公式ドキュメントの URL を貼っておきます。
https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html
https://docs.docker.jp/config/containers/resource_constraints.html#resource-constraints-gpu
