UbuntuでのGPUディープラーニング環境の構築【Ubuntu 18.04 LTS対応】：機械学習＆ディープラーニング環境構築入門（1/3 ページ）

GPUを活用したTensorFlow／PyTorch／Chainerなどによるディープラーニングを実践するための環境をUbuntu上に構築する際の選択ポイントと手順を説明する。

連載目次

0. ディープラーニングのOS環境の選択指針

　TensorFlowやPyTorch、Chainerなどのライブラリを使ったディープラーニング（Deep Learning）／機械学習（Machine Learning）を始めようと思ったなら、本当の初心者／学習者であればGoogle Colaboratoryの活用をお勧めする（※参考「ディープラーニングを始めるための、作業環境の特長と使い分け指針：Google Colaboratory入門」）。しかし「本格的に実践しよう」というのであれば、まずはGPU付きのPCを手に入れてから環境構築を始めるだろう。もちろんクラウド環境を利用する方法も使えるが、ディープラーニングの試行錯誤に時間がかかって課金が膨らんでしまう不安もあるので、まずは手元のPCを使いたいという方が多いのではないだろうか。

　手元のPCを使うとして、ディープラーニング環境用のOSとしては、ライブラリの対応状況にもよるが基本的にWindows／macOS（Mac）／Linuxが利用できる。「ディープラーニングを本気で始めよう」と思ったら、GPUは必ず使いたい。CPUよりも汎用GPU（＝GPGPU）による計算処理の方が高速なので、ディープラーニングの処理スピードが大きく違ってくるからだ。となると、MacではなくPC環境の方がマシンを構成しやすいので、LinuxかWindowsに絞られるだろう。

　LinuxかWindowsかについてはユーザーの好みにもよるが、もともとのライブラリがLinuxのUbuntuファーストで開発されているものが多く、Windowsや他のLinuxディストリビューションであるCentOSなどよりも、LinuxディストリビューションのUbuntuは選択しやすい。

　また、「GPUが有効なDocker環境を構築したい」というニーズもあるだろう。この場合、ほとんどのライブラリがNVIDIA（エヌビディア）製のGPUにのみ対応しているため、通常のDockerではなくnvidia-dockerを使う必要がある。しかし、そのnvidia-dockerがLinux OS（Ubuntuなど）にしか対応していないことに注意が必要だ（※GPUを使わず、CPUのみを利用するDocker環境であれば、Linux以外のWindows／macOS環境で通常のDockerを使用すればよい）。

　よって、さまざまな手法を試しつつディープラーニングを習得し実践していこうと考えている人の場合は、Ubuntuを選択するのが最適だ。

　以上をまとめてPCやOSの選択指針を示すと、以下のようになる。

　とういうことで今回は、オンプレミスのUbuntuにディープラーニング環境を構築する方法を紹介する。早速始めよう。

＜目次＞
　 ■0. ディープラーニングのOS環境の選択指針
　 　・【注意】対応しているUbuntuバージョンについて
　 ■1. PCとOS環境の準備
　 　●1.1. Ubuntuとデスクトップ環境
　 　　○1.1.1. Ubuntu 最新LTSバージョン
　 　　○1.1.2. デスクトップ環境
　 　　○1.1.3. Ubuntuの日本語化
　 　●1.2. リモート接続用サーバ
　 　　○1.2.1. SSHサーバ
　 　　○1.2.2. リモートデスクトップ接続サーバ
　 　　○1.2.3. リモートデスクトップ接続クライアント
　 ■2. NVIDIA GPU環境の準備
　 　●2.1. NVIDIAドライバとCUDA Toolkitのバージョン要件の確認
　 　●2.2. NVIDIAドライバ（＝CUDAドライバ）
　 　●2.3. NVIDIA GPUの状態確認
　 　●2.4. nvidia-docker（OS環境切り替え）［オプション］
　 　　○2.4.1. nvidia-dockerを使う場合のシステム構成
　 　　○2.4.2. Docker
　 　　○2.4.3. nvidia-docker
　 　　○2.4.4. Dockerコンテナ上でのGPU状態の確認
　 　　○2.4.5. GPU付きDockerコンテナの実行
　 　●2.5. CUDA Toolkit（開発環境）
　 　●2.6. cuDNN（ディープラーニング用ライブラリ）
　 　●2.7. CUPTI（CUDA Profiling Tools Interface）
　 ■3. ディープラーニング開発環境の準備
　 　●3.1. Python仮想環境の使い分け指針
　 　●3.2. Anaconda／Miniconda
　 　●3.3. PyCharm
　 　●3.4. Visual Studio Code

1. PCとOS環境の準備

　まずは、GPU付きのPC*1を入手しよう。

1.1. Ubuntuとデスクトップ環境

　次に、Ubuntu関連の準備を行おう。すでにUbuntuをインストール済みの方は、次の1.2節までジャンプしても構わないが、本稿の前提条件として「どのような構成になっているのか」の参考にするために、軽く流し読みしてほしい。

1.1.1. Ubuntu 最新LTSバージョン

　冒頭での説明の通り、本稿ではUbuntuを使用する。対象のUbuntuのバージョンは、執筆時点で最新LTS*2のUbuntu 18.04 LTS（Bionic）*3である。

　UbuntuにはDesktop版とServer版があり、Server版にはグラフィック関連機能がインストールされていないという違いがある。基本的にはDesktop版（具体的にはその一種であるXubuntuなど）をインストールした方が便利だ。

　Ubuntu Desktop版のインストール方法については説明を割愛するので、必要に応じて公式チュートリアル（英語）など別のリソースに当たってほしい。

　なお本稿では、あえてUbuntu Server版をインストールし、後からXubuntuというデスクトップ環境を追加インストールした。クラウド上のVMのUbuntuはServer版になっていたりするのだが、そういった環境へのインストール手順でも本稿の内容を適用できるようにするためだ。次節では、「Server版もしくはXubuntuデスクトップ環境がインストールされていない場合」という想定で、デスクトップ環境のインストール方法を説明する。

1.1.2. デスクトップ環境

　「デスクトップ環境は不要」と言う人もいるだろうが、データサイエンス向きのコーディング環境であるJupyter Notebookを手元（リモート環境内）でも使いたいなどの理由から、本稿ではUbuntuのデスクトップ環境をインストールして使用している。

　Ubuntuではさまざまなデスクトップ環境が利用できるが、本稿では、純正のUbuntuディストリビューションのDesktop版パッケージに含まれるGNOME（現LTSの場合。前LTSではUnity）ではなく、派生のXubuntuディストリビューションに含まれるXfceデスクトップ環境を使用する。Xfceは、軽量・高速でシンプルなUI（ユーザーインタフェース）に定評があり、後述のxrdpとの相性も問題がないのでお勧めだ。

　それでは、インストール済みのUbuntuにXfceデスクトップ環境を追加インストールしよう。これには、以下の各コマンドを順に実行してほしい。

　以上の手順が完了してOSが再起動されると、図1のようなGUIでログインする画面が表示されるはずだ（※ちなみに、手元のPCではなく、クラウド上の仮想マシンなどに対してSSHからコマンド実行している場合は、後述のxrdpのインストールを済ませてからでないとGUIで操作できないので注意してほしい）。

図1　Xディスプレイマネージャー

　GUIではなくCUIを使いたい場合や、その逆の場合もあるだろう。以下のショートカットキーでGUI←→CUIを切り替えられるので覚えておくと便利だ。

• CUIに切り替える： ［Ctrl］＋［Alt］＋［F1］キー
• GUIに切り替える： ［Alt］＋［F7］キー

1.1.3. Ubuntuの日本語化

　Ubuntuの言語が日本語ではない場合は、ここで日本語に設定してもよい。

　具体的にはCUIもしくはターミナルに切り替えて、以下のようにコマンドを実行してほしい。

　リスト1.5のコマンド実行で日本語設定は済んでいる。より細かい設定や調整は、GUIから行うとよい。具体的には、デスクトップ画面にログインして、左上にある［アプリケーション］メニューの［設定］−［言語サポート］を実行してダイアログを表示すればよい（※管理者権限で起動しないと、エラーが発生する場合がある。そのような場合は、デスクトップ上のターミナルでsudo gnome-language-selectorというコマンドで起動してほしい）。ダイアログ表示前に［言語サポートが完全にはインストールされていません］というメッセージボックスが表示された場合は、［インストール］を選択すればよい。

図2　［言語サポート］ダイアログ（左：［言語］タブ、右：［地域フォーマット］タブ）

1.2. リモート接続用サーバ

　日常使いのメインのPCとディープラーニング用のPCを分けて使用したいというケースが多いのではないだろうか。筆者の場合も、リモートのメインPC（Windows）のターミナルでSSH接続したり、リモートデスクトップ接続でデスクトップ環境を触ったりしている。このようなリモート接続が必要だという方は、SSHやリモートデスクトップ接続のサーバをここでインストールしておこう。

1.2.1. SSHサーバ

　OpenSSHサーバがインストールされていない場合は、ここではOpenSSH Server（openssh-server）をインストールする（リスト1.6）。

　インストール後に、クライアントからSSH接続すると、「接続を続行するか？」と聞かれるのでyesと入力して［Enter］キーを押し、次にパスワードを入力すると接続が完了し、各種コマンドが実行できるようになる（図3）。

図3　クライアントからのSSH接続例

1.2.2. リモートデスクトップ接続サーバ

　Xfceデスクトップ環境をインストール済みの場合は、リモートデスクトップ接続もできるようにしておこう。これには、xrdpサーバ*4をインストールするとよい。

　xrdpのインストール方法はリスト1.7の通り。

1.2.3. リモートデスクトップ接続クライアント

　以上でリモートデスクトップ接続サーバの準備は整った。次に、クライアントから接続できるようにしよう。これには、xrdpクライアントをインストールする。

　上記の中から自分のOS（Windows／macOS／Linux）に合ったものを実行して、リモートデスクトップ接続クライアントのアプリを起動し、メニューバーから［Session］−［New Session］を選択する。表示されたダイアログ（Windowsの場合：図4-1、macOSの場合：図4-2、Linuxの場合：図4-3）に対して（※以下の箇条書きは、Windows／macOS／Linuxの順で画面表示に対応。）、

とった接続設定を入力して保存し、接続を行うボタンなどをクリックすれば、リモートデスクトップ接続が実現する。なお、WindowsやmacOSでログイン作業時に「このコンピューターを信頼するか？」という旨のメッセージボックスが表示された場合は、［再表示しない］旨のチェックボックスにチェックを入れて、信頼して処理を続行させるボタンをクリックすればよい。

図4-1　xrdpクライアント「リモート デスクトップ接続」の設定（Windowsの場合）

図4-2　xrdpクライアント「Microsoft Remote Desktop 10」の設定（macOSの場合）

図4-3　xrdpクライアント「Remmina」の設定（Linuxの場合）
なお、Remminaのインストールは下記のコマンドで行った。
sudo add-apt-repository -y ppa:remmina-ppa-team/remmina-nextsudo apt updatesudo apt -y install remmina remmina-plugin-rdp remmina-plugin-secret remmina-plugin-spice

　もし、ユーザー名とパスワードが間違っている場合は図5-1のダイアログが表示されて、再度、ユーザー名とパスワードの入力が求められる（※［Session］欄はデフォルトの「Xorg」を選択したままでよい）。

図5-2　ユーザー名とパスワードが間違っている場合の表示

　実際にログインできると、図5-2のようにデスクトップ画面が表示される。

図5-2　リモートデスクトップ接続

　初めてXfceデスクトップにログインしたときには、Xfceパネル（＝システム全体の［アプリケーション］メニューなど）をセットアップする方法を質問されるので、基本的には［デフォルト設定を使用する］ボタンをクリックすればよい。ちなみに、本稿で使用しているXfceパネルと異なる外観になる可能性がある（※リスト1.3でxubuntu-desktopパッケージをインストールした場合は、左上にある［アプリケーション］メニューの［設定］−［Xfce パネルスイッチ］から表示されるダイアログで「Xubuntu Bionic」を選択して適用すれば、本稿と同じ外観になる。xfce4パッケージのみをインストールした場合は、同じく［アプリケーション］メニューの［設定］−［外観］／［パネル］などの設定を微調整する必要がある）。

　他にもインストールしておきたいソフトウェアはあるが、取りあえずOSを操作・管理するのに必要十分なものはそろったので、次にNVIDIA GPU関連のインストールや設定を行っていこう。Python開発環境系のソフトウェアインストールについては後述する。