CUDA 환경 설정

학습 목표

• •CUDA 개발 환경의 구성 요소를 이해한다
• •CUDA Toolkit을 설치한다
• •nvcc 컴파일러 사용법을 익힌다
• •환경 설정을 검증한다

CUDA 개발 환경 구성 요소

CUDA 개발에는 세 가지 핵심 구성 요소가 필요합니다.

필수 구성 요소

설치 순서

1. NVIDIA 그래픽 드라이버 설치
2. CUDA Toolkit 설치
3. 환경 변수 설정
4. 설치 확인

GPU 호환성 확인

Compute Capability

각 NVIDIA GPU는 Compute Capability라는 버전을 가집니다.

호환성 확인 방법

bash
복사
# Windows (PowerShell)
nvidia-smi

# 출력 예시:
# NVIDIA-SMI 535.104.05   Driver Version: 535.104.05   CUDA Version: 12.2

CUDA Toolkit 설치

다운로드 위치

• •공식 사이트: developer.nvidia.com/cuda-toolkit

설치 옵션

주요 설치 구성 요소

환경 변수 설정

Windows 환경 변수

CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0
PATH += %CUDA_PATH%\bin
PATH += %CUDA_PATH%\libnvvp

Linux 환경 변수 (.bashrc)

bash
복사
export CUDA_HOME=/usr/local/cuda
export PATH=$CUDA_HOME/bin:$PATH
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH

환경 변수 확인

bash
복사
# CUDA 버전 확인
nvcc --version

# 출력 예시:
# nvcc: NVIDIA (R) Cuda compiler driver
# Built on Tue_Aug_15_22:02:13_PDT_2023
# Cuda compilation tools, release 12.2, V12.2.140

nvcc 컴파일러

**nvcc(NVIDIA CUDA Compiler)**는 CUDA 코드를 컴파일하는 도구입니다.

nvcc의 역할

기본 컴파일 명령

bash
복사
# 기본 컴파일
nvcc hello.cu -o hello

# 최적화 옵션
nvcc -O3 hello.cu -o hello

# 아키텍처 지정
nvcc -arch=sm_86 hello.cu -o hello

# 디버그 정보 포함
nvcc -g -G hello.cu -o hello

주요 nvcc 옵션

분리 컴파일

bash
복사
# 대규모 프로젝트에서 분리 컴파일
nvcc -dc module1.cu -o module1.o
nvcc -dc module2.cu -o module2.o
nvcc module1.o module2.o -o myapp

설치 확인

방법 1: nvidia-smi

bash
복사
nvidia-smi

# 정상 출력 예시:
# +-----------------------------------------------------------------------------+
# | NVIDIA-SMI 535.104.05   Driver Version: 535.104.05   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. |
# |===============================+======================+======================|
# |   0  NVIDIA GeForce ...  Off  | 00000000:01:00.0 Off |                  N/A |
# |  0%   45C    P8    15W / 350W |    512MiB / 24576MiB |      0%      Default |
# +-------------------------------+----------------------+----------------------+

방법 2: deviceQuery

bash
복사
# CUDA Samples의 deviceQuery 실행
./deviceQuery

# 주요 출력 정보:
# - GPU 이름
# - Compute Capability
# - CUDA 코어 수
# - 메모리 크기
# - 메모리 대역폭

방법 3: 간단한 테스트 프로그램

cuda
복사
// test_cuda.cu
#include <stdio.h>

__global__ void hello() {
    printf("Hello from GPU! Thread %d\n", threadIdx.x);
}

int main() {
    hello<<<1, 5>>>();
    cudaDeviceSynchronize();
    return 0;
}

bash
복사
# 컴파일 및 실행
nvcc test_cuda.cu -o test_cuda
./test_cuda

# 출력:
# Hello from GPU! Thread 0
# Hello from GPU! Thread 1
# Hello from GPU! Thread 2
# Hello from GPU! Thread 3
# Hello from GPU! Thread 4

Python 환경에서 CUDA

PyTorch CUDA 확인

import torch

# CUDA 사용 가능 여부
print(f"CUDA available: {torch.cuda.is_available()}")

# CUDA 버전
print(f"CUDA version: {torch.version.cuda}")

# GPU 정보
if torch.cuda.is_available():
    print(f"GPU: {torch.cuda.get_device_name(0)}")
    print(f"GPU count: {torch.cuda.device_count()}")

cuDNN 설치

bash
복사
# cuDNN은 딥러닝 연산 최적화 라이브러리
# PyTorch, TensorFlow 성능 향상에 필수

# conda로 설치
conda install cudnn

# 또는 NVIDIA 웹사이트에서 직접 다운로드

문제 해결

일반적인 오류와 해결책

드라이버/툴킷 버전 호환성

CUDA Toolkit 12.x → Driver 525.60.13 이상 필요
CUDA Toolkit 11.x → Driver 450.80.02 이상 필요
CUDA Toolkit 10.x → Driver 410.48 이상 필요

정리

핵심 포인트: 올바른 드라이버와 툴킷 버전 조합이 안정적인 CUDA 개발의 기초입니다.