このポストを訪れた方々は、確実にGPUを活用したディープラーニング開発を始めたいと考えている方々でしょう。
この記事は、Ubuntu環境でCUDAを使用したGPU演算を準備する過程を整理した実践ガイドです。  
特に初心者の方々が**「私のPCにCUDAは正しくインストールされているのだろうか？」**と確認したい場合に実践しやすい内容で構成しました。

CUDAが何であるかという概念から知りたい方は、以前のポスト[CUDAとは何か？ GPUと並列計算の始まり](whitedec/2025/4/20/cuda-parallel-computing-basics/)を先にご覧になることをお勧めします。

![NVIDIA driving CUDA supercar](/media/whitedec/blog_img/nvidia_cuda_driving.webp)

---

### 1. なぜGPU環境を設定する必要があるのか？ {#sec-d38fa2c24abf}

AIモデルの学習は非常に多くの行列演算を要求します。  
このような演算はCPUよりも**並列演算に特化したGPU**ではるかに速く実行されます。

しかし、GPUがあるからといって終わりではありません。  
オペレーティングシステムにGPUを認識させるための**ドライバー**、  
GPUで演算が可能にするための**CUDA**、  
ディープラーニングに最適化されたライブラリ**cuDNN**、  
この3つが**正確にインストール**されている必要があります。

---

### 2. 私のGPUの状態確認 - ドライバーとCUDAがあるのか？ {#sec-574f0b3e4f0f}

```
nvidia-smi
```

これはGPUの現在の状態を示すツールです。  
ここで**CUDA Version**が表示され、GPUの名前が正確に出ていれば、  
「GPUが正常に認識されており、ドライバーもインストールされている」ということを意味します。

---

### 3. CUDA開発ツール - `nvcc`がなぜ必要なのか？ {#sec-fdf5061569d3}

`nvcc`はCUDAコード（.cu）をコンパイルするツールです。  
例えるなら、CUDAを**「実際に使うために」必要なコンパイラ**です。

```
sudo apt update
sudo apt install nvidia-cuda-toolkit
nvcc --version
```

---

### 4. cuDNN - ディープラーニング演算をGPUで高速に行う秘密兵器 {#sec-251970f0279d}

cuDNNはディープラーニング演算を最適化するNVIDIAのディープラーニング専用高速数値演算ライブラリです。

**ディープラーニングフレームワーク（PyTorch、TensorFlowなど）**で使用される

* Convolution
* Pooling
* RNN
* LSTM
* BatchNorm
* Activationなどの演算をGPUで非常に迅速かつ効率的に計算できるようにします。

PyTorch、TensorFlowなどのディープラーニングフレームワークを使用する予定のある方には、本当に必須のライブラリです。

CUDAバージョンに合ったcuDNNパッケージをインストールすることで、フレームワークがGPUを効率的に利用できるようになります。

cuDNNパッケージはオペレーティングシステムやCPUアーキテクチャによってダウンロードパスが異なるため、ダウンロードする際は必ずNVIDIAの公式cuDNNダウンロードページにアクセスし、自分に合ったライブラリをダウンロードしてインストールしてください。

[NVIDA cuDNNダウンロードリンク](https://developer.nvidia.com/cudnn)

上記のリンクから`cuDNN`をダウンロードする際には、**最初にnvidia-smiで確認した自分のCUDAバージョンを確認**し、適切なcuDNNをインストールしてください。

---

### 5. テスト - PythonでGPUが動作するか確認しよう {#sec-4696d20ff7c8}

インストールが完了したら、適切に動作しているか確認してみましょう。

```
import torch
print(torch.cuda.is_available())          # True
print(torch.cuda.get_device_name(0))      # NVIDIA GeForce RTX  XXXX
```

---

### 6. まとめ {#sec-de73682205f5}

| 構成要素 | Your Action | Why you've done this |
| --- | --- | --- |
| NVIDIAドライバー | インストール状態確認 (`nvidia-smi`) | GPUをシステムで認識させるため |
| CUDA Toolkit | `nvcc`のインストール | CUDAコード実行のためのコンパイラ |
| cuDNN | `cudnn-cuda-12`のインストール | ディープラーニング演算最適化ライブラリ |
| PyTorchテスト | GPU連携確認 | 実際に演算可能か検証するため |

---

### 7. まとめ {#sec-8890498151de}

これであなたのシステムはGPU演算の準備が完了しました。  
この環境をもとにWhisper、LLaMA、ChatGPTなど、さまざまなモデルをGPUで迅速に学習または実行できるようになるでしょう。