Aller au contenu principal
Version: 3.0.0-alpha (Diátaxis)

Comment installer CUDA et les drivers GPU

Les VMs Hikube avec un GPU attaché ne disposent pas de drivers NVIDIA pré-installés. Ce guide détaille l'installation des drivers NVIDIA et du toolkit CUDA sur une VM Ubuntu pour exploiter le GPU.

Prérequis​

  • Une VMInstance Hikube avec un GPU attaché (voir la référence API GPU)
  • VM basée sur Ubuntu 24.04 (les commandes sont adaptées pour cette version)
  • Un accès SSH ou console à la VM
  • Droits root ou sudo
Pas de drivers pré-installés

Les golden images Hikube ne contiennent pas les drivers GPU NVIDIA. Vous devez les installer manuellement ou via cloud-init après la création de la VM.

Étapes​

1. Se connecter à la VM​

virtctl ssh -i ~/.ssh/id_ed25519 ubuntu@my-gpu-vm

Ou via SSH direct si la VM est exposée :

ssh -i ~/.ssh/hikube-vm ubuntu@<IP-EXTERNE>

2. Vérifier la présence du GPU​

Avant d'installer les drivers, vérifiez que le GPU est bien détecté par le système :

lspci | grep -i nvidia

Résultat attendu :

06:00.0 3D controller: NVIDIA Corporation ...

Si aucun GPU n'apparait, vérifiez que votre VMInstance dispose bien d'un GPU attaché dans sa configuration.

3. Installer les drivers NVIDIA et CUDA​

Ajoutez le dépot NVIDIA et installez les drivers :

# Télécharger et installer le keyring NVIDIA
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb

# Mettre à jour les paquets
sudo apt-get update

# Installer le toolkit CUDA et le driver
sudo apt-get install -y cuda-toolkit nvidia-driver-560
Redémarrage requis

Un redémarrage est nécessaire après l'installation des drivers pour charger les modules noyau NVIDIA.

Redémarrez la VM :

sudo reboot

Reconnectez-vous après le redémarrage (attendez environ 1 minute) :

virtctl ssh -i ~/.ssh/id_ed25519 ubuntu@my-gpu-vm

4. Vérifier l'installation des drivers​

nvidia-smi

Résultat attendu :

+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 560.xx.xx    Driver Version: 560.xx.xx    CUDA Version: 12.x              |
|-----------------------------------------+----------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |         Memory-Usage | GPU-Util  Compute M. |
|=========================================+======================+======================|
|   0  NVIDIA L40S                    Off | 00000000:06:00.0 Off |                    0 |
| N/A   30C    P8              20W / 350W |      0MiB / 46068MiB |      0%      Default |
+-----------------------------------------+----------------------+----------------------+

Vérifiez la version de CUDA :

nvcc --version

5. Configurer les variables d'environnement (optionnel)​

Ajoutez CUDA au PATH pour un accès permanent :

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

6. Tester avec PyTorch​

Installez PyTorch avec le support CUDA pour valider que le GPU est pleinement fonctionnel :

pip3 install torch --index-url https://download.pytorch.org/whl/cu124

Testez la détection du GPU :

python3 -c "
import torch
print(f'CUDA disponible : {torch.cuda.is_available()}')
print(f'GPU détecté : {torch.cuda.get_device_name(0)}')
print(f'Mémoire GPU : {torch.cuda.get_device_properties(0).total_mem / 1e9:.1f} Go')
"

Résultat attendu :

CUDA disponible : True
GPU détecté : NVIDIA L40S
Mémoire GPU : 46.1 Go

Vérification​

Lancez un calcul simple sur le GPU pour confirmer le bon fonctionnement :

python3 -c "
import torch
# Créer un tenseur sur le GPU
x = torch.randn(1000, 1000, device='cuda')
y = torch.randn(1000, 1000, device='cuda')
z = torch.mm(x, y)
print(f'Calcul GPU réussi, taille du résultat : {z.shape}')
"

Résultat attendu :

Calcul GPU réussi, taille du résultat : torch.Size([1000, 1000])
Automatiser l'installation via cloud-init

Pour automatiser l'installation des drivers GPU au démarrage, utilisez le paramètre cloudInit de la VMInstance. Consultez le guide Comment configurer cloud-init pour un exemple complet.

Pour aller plus loin​