Chainer, CuPy のインストール（Ubuntu 上）

前準備

Ubuntu のシステム更新

Ubuntu で OS のシステム更新を行うときは， 端末で，次のコマンドを実行する。これは、パッケージ情報を最新の状態に保ち、インストール済みのパッケージをセキュリティアップデートやバグ修正を含めて更新するためである。

# パッケージリストの情報を更新
sudo apt update
# インストール済みのパッケージを包括的に更新 (依存関係も考慮)
sudo apt full-upgrade
# カーネル更新等で実際に再起動が必要な場合のみ実行を推奨
# sudo shutdown -r now

C/C++ コンパイラと Make とビルドツールのインストール

ソフトウェアをソースコードからビルドするには、C/C++コンパイラ (通常はGCC) や make ユーティリティといった開発ツールが重要である。Ubuntuでは、これらのツールは build-essential パッケージにまとめられている。インストールするには，端末で，次のコマンドを実行する。

sudo apt -y install build-essential libtool texinfo dpkg-dev pkg-config

libtool, texinfo, dpkg-dev, pkg-config は、より複雑なビルドやパッケージ管理の際に役立つ開発関連ツールである。

NVIDIA ドライバ，NVIDIA CUDA ツールキット，NVIDIA cuDNN のインストール（Ubuntu 上）

Ubuntu での NVIDIA ドライバ，NVIDIA CUDA ツールキット，NVIDIA cuDNN のインストール: 別ページ »で説明

インストールする CUDA のバージョンは，使用するライブラリの対応状況に合わせる．CuPy の最新版は CUDA 11.x および 12.x に対応している．Chainer で GPU を使う場合は CuPy v7 が必要であり，CuPy v7 が対応する CUDA は 10.x 以前である．

Git, cmake, curl, p7zip-full のインストール（Ubuntu 上）

端末で，次のコマンドを実行する．

# パッケージリストの情報を更新
sudo apt update
sudo apt -y install git cmake cmake-curses-gui cmake-gui curl p7zip-full

Python3 開発用ファイル，pip, setuptools, venv のインストール（Ubuntu 上）

Python のインストールは行わない（Ubuntu のシステム Python を用いる．）

Ubuntu での Python 開発環境（JupyterLab, spyder, nteract）のインストール: 別ページ »で説明

Python3 開発用ファイル，pip, setuptools, venv のインストール

端末で，次のコマンドを実行する．

# パッケージリストの情報を更新
sudo apt update
sudo apt -y install python-is-python3 python3-dev python-dev-is-python3 python3-pip python3-setuptools python3-venv build-essential

Python 仮想環境の作成と Cython のインストール

Ubuntu 23.04 以降では，OS のパッケージ管理と競合しないよう，システム Python への pip による直接のインストールが既定で禁止されている（PEP 668，externally-managed-environment エラー）．そのため，Python 仮想環境 (venv) を作成し，その中にインストールする．

端末で，次のコマンドを実行する．

python3 -m venv ~/venv/chainer
source ~/venv/chainer/bin/activate
pip install -U pip setuptools wheel
pip install cython

以降のコマンドは，この仮想環境を有効化した状態（プロンプトの先頭に (chainer) と表示される状態）で実行する．端末を開き直したときは，端末で，次のコマンドを実行して仮想環境を有効化する．

source ~/venv/chainer/bin/activate

CuPy のインストール

CuPy は，numpy 相当の機能を持つ数値演算ライブラリで，動作には NVIDIA CUDA が必要である．

CuPy には，CUDA のバージョンごとにビルド済みパッケージ (wheel) が用意されている．ソースコードからのビルドは時間がかかるため，通常はビルド済みパッケージを用いる．

1. CuPy のインストール（ビルド済みパッケージを使用）

   端末で，インストール済みの CUDA のバージョンに合わせて，次のいずれかのコマンドを実行する．

   # CUDA 12.x のとき
   pip install cupy-cuda12x
   
   # CUDA 11.x のとき
   pip install cupy-cuda11x
   

   CUDA のバージョンは，端末で，次のコマンドを実行して確認する．

   nvcc --version
   

2. CuPy のインストール（ソースコードを使用）

   ビルド済みパッケージが提供されていない CUDA のバージョンを使う場合は，ソースコードからビルドする．端末で，次のコマンドを実行する．ビルドには時間がかかる．

   CUDA_PATH="/usr/local/cuda" CFLAGS="-I/usr/local/cuda/include" LDFLAGS="-L/usr/local/cuda/lib64" pip install cupy --no-cache-dir -vvvv
   

   
3. cupy がインストールできたことの確認

   端末で，次のコマンドを実行する．

   pip show cupy
   

   
4. GPU が認識されていることの確認

   端末で，次のコマンドを実行する．

   python -c "import cupy; cupy.show_config()"
   

Chainer のインストール

Chainer は保守フェーズにあり，PyPI で公開されている 7.8.1 が最新版である．端末で，次のコマンドを実行する．

pip install chainer

1. 開発版のソースコードからインストールする場合

   端末で，次のコマンドを実行する．終了までしばらく待つ．

   cd /tmp
   rm -rf chainer
   git clone https://github.com/chainer/chainer.git
   cd /tmp/chainer
   pip -v install .
   

   
2. 終了の確認

   エラーメッセージが出ていなければ OK．

   
3. chainer がインストールできたことの確認

   端末で，次のコマンドを実行する．

   pip show chainer
   

   

CuPy の動作テストと numpy との速度比較（配列の掛け算による）

インストールできたかを確認する．

端末で，次のコマンドを実行する．

python

1. numpy での配列の掛け算

   import numpy as np
   N = 10000
   X = np.random.rand(N, N)
   Y = np.random.rand(N, N)
   import time
   start_time = time.time()
   Z = np.dot(X, Y)
   print(time.time() - start_time)
   exit()
   

   
2. cupy での配列の掛け算

   CuPy の演算は GPU 上で非同期に実行されるため，計測の前後で同期を取らないと実際の計算時間が得られない．次のプログラムでは cp.cuda.Stream.null.synchronize() により同期を取る．

   import numpy as np
   import cupy as cp
   N = 10000
   X = cp.asarray( np.random.rand(N, N) )
   Y = cp.asarray( np.random.rand(N, N) )
   import time
   cp.cuda.Stream.null.synchronize()
   start_time = time.time()
   Z = cp.dot(X, Y)
   cp.cuda.Stream.null.synchronize()
   print(time.time() - start_time)
   exit()