CuPy 13.2 のインストール，CuPy のプログラム例（Windows 上）

前準備

Python 3.12 のインストール

インストール済みの場合は実行不要。

管理者権限でコマンドプロンプトを起動（手順：Windowsキーまたはスタートメニュー > cmd と入力 > 右クリック > 「管理者として実行」）し、以下を実行する。管理者権限は、wingetの--scope machineオプションでシステム全体にソフトウェアをインストールするために必要である。

REM Python をシステム領域にインストール
winget install --scope machine --id Python.Python.3.12 -e --silent
REM Python のパス設定
set "PYTHON_PATH=C:\Program Files\Python312"
set "PYTHON_SCRIPTS_PATH=C:\Program Files\Python312\Scripts"
echo "%PATH%" | find /i "%PYTHON_PATH%" >nul
if errorlevel 1 setx PATH "%PATH%;%PYTHON_PATH%" /M >nul
echo "%PATH%" | find /i "%PYTHON_SCRIPTS_PATH%" >nul
if errorlevel 1 setx PATH "%PATH%;%PYTHON_SCRIPTS_PATH%" /M >nul

【関連する外部ページ】

Python の公式ページ: https://www.python.org/

AI エディタ Windsurf のインストール

Pythonプログラムの編集・実行には、AI エディタの利用を推奨する。ここでは，Windsurfのインストールを説明する。

管理者権限でコマンドプロンプトを起動（手順：Windowsキーまたはスタートメニュー > cmd と入力 > 右クリック > 「管理者として実行」）し、以下を実行して、Windsurfをシステム全体にインストールする。管理者権限は、wingetの--scope machineオプションでシステム全体にソフトウェアをインストールするために必要となる。

winget install --scope machine Codeium.Windsurf -e --silent

【関連する外部ページ】

Windsurf の公式ページ: https://windsurf.com/

Gitのインストール

管理者権限でコマンドプロンプトを起動（手順：Windowsキーまたはスタートメニュー > cmd と入力 > 右クリック > 「管理者として実行」）し、以下を実行する。管理者権限は、wingetの--scope machineオプションでシステム全体にソフトウェアをインストールするために必要となる。

REM Git をシステム領域にインストール
winget install --scope machine --id Git.Git -e --silent
REM Git のパス設定
set "GIT_PATH=C:\Program Files\Git\cmd"
if exist "%GIT_PATH%" (
    echo "%PATH%" | find /i "%GIT_PATH%" >nul
    if errorlevel 1 setx PATH "%PATH%;%GIT_PATH%" /M >nul
)

Visual Studio 2022 Build Toolsとランタイムのインストール

管理者権限でコマンドプロンプトを起動（手順：Windowsキーまたはスタートメニュー > cmd と入力 > 右クリック > 「管理者として実行」）し、以下を実行する。管理者権限は、wingetの--scope machineオプションでシステム全体にソフトウェアをインストールするために必要である。

REM Visual Studio 2022 Build Toolsとランタイムのインストール
winget install --scope machine Microsoft.VisualStudio.2022.BuildTools Microsoft.VCRedist.2015+.x64
set VS_INSTALLER="C:\Program Files (x86)\Microsoft Visual Studio\Installer\setup.exe"
set VS_PATH="C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools"
REM C++開発ワークロードのインストール
%VS_INSTALLER% modify --installPath %VS_PATH% ^
--add Microsoft.VisualStudio.Workload.VCTools ^
--add Microsoft.VisualStudio.Component.VC.Tools.x86.x64 ^
--add Microsoft.VisualStudio.Component.Windows11SDK.22621 ^
--includeRecommended --quiet --norestart

NVIDIA ドライバのインストール（Windows 上）

1. (再掲) NVIDIA グラフィックス・ボードの確認

   インストールするドライバを選択するために、まずご使用のPCに搭載されているNVIDIAグラフィックス・ボードの種類を確認します。（確認済みであれば、この手順は不要です。） Windows のコマンドプロンプトで次のコマンドを実行します。

   wmic path win32_VideoController get name
   

2. NVIDIA ドライバのダウンロード

   確認したグラフィックス・ボードのモデル名と、お使いのWindowsのバージョン（例: Windows 11, Windows 10 64-bit）に対応するドライバを、以下のNVIDIA公式サイトからダウンロードします．

   https://www.nvidia.co.jp/Download/index.aspx?lang=jp

   サイトの指示に従い、製品タイプ、製品シリーズ、製品ファミリー、OS、言語などを選択して検索し、適切なドライバ（通常は最新のGame Ready ドライバまたはStudio ドライバ）をダウンロードします。

3. ドライバのインストール

   ダウンロードしたインストーラー（.exeファイル）を実行し、画面の指示に従ってインストールを進めます。「カスタムインストール」を選択すると、インストールするコンポーネント（ドライバ本体、GeForce Experience、PhysXなど）を選ぶことができます。通常は「高速（推奨）」で問題ありません。

   インストール完了後、システムの再起動を求められる場合があります。

NVIDIA CUDA ツールキット 11.8 のインストール（Windows 上）

CUDAツールキットには、GPUでプログラムを実行するためのライブラリ、`nvcc`コンパイラ、開発ツールなどが含まれています。ここでは`winget`を使ってCUDA 11.8をインストールする手順を示します。

NVIDIA CUDA ツールキットの概要と注意点

NVIDIAのGPUを使用して並列計算を行うための開発・実行環境です。

主な機能: GPU を利用した並列処理のコンパイルと実行、GPU のメモリ管理、C++をベースとした拡張言語（CUDA C/C++）とAPI、ライブラリ（cuBLAS, cuFFTなど）を提供します。

【NVIDIA CUDA ツールキットの動作に必要なもの】

• CUDA対応のNVIDIA GPU。
• 対応するNVIDIA ドライバ。
• サポートされているバージョンのC++コンパイラ (Visual StudioまたはBuild Toolsをインストール済み)。

【Windows でインストールするときの一般的な注意点】

• Windows では，NVIDIA CUDA ツールキットのインストール中は，予期せぬ問題を避けるため、なるべく他のアプリケーションは終了しておくことが推奨されます。
• インストール後に環境変数が正しく設定されているか確認することが重要です。

【関連する外部ページ】

• NVIDIA CUDA ツールキットのアーカイブの公式ページ: https://developer.nvidia.com/cuda-toolkit-archive (他のバージョンが必要な場合)
• NVIDIA CUDA ツールキット の公式ドキュメント: https://docs.nvidia.com/cuda/index.html
• NVIDIA CUDA ツールキットのインストールに関する，NVIDIA CUDA Installation Guide for Windows: https://docs.nvidia.com/cuda/cuda-installation-guide-windows/index.html

【関連項目】 NVIDIA CUDA ツールキットの概要, NVIDIA CUDA ツールキットの他バージョンのインストール

1. (再掲) 他のウィンドウを閉じる：インストール中のコンフリクトを避けるため、可能な限り他のアプリケーションを終了します。
2. Windows で，コマンドプロンプトを管理者権限で起動します。
3. winget コマンドで CUDA 11.8 をインストールします。

   以下のコマンドは、(必要であれば)NVIDIA GeForce Experienceと、指定したバージョンのNVIDIA CUDA ツールキット (11.8) をインストールします。また、CUDA_HOME 環境変数を設定します（一部のツールで参照されることがあります）。

   rem グラフィックボードの確認 (参考)
   wmic path win32_VideoController get name
   
   
   
   rem CUDA Toolkit 11.8 のインストール
   winget install --scope machine Nvidia.CUDA --version 11.8
   
   rem CUDA_HOME 環境変数の設定 (システム環境変数として設定)
   powershell -command "[System.Environment]::SetEnvironmentVariable(\"CUDA_HOME\", \"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\", \"Machine\")"
   

   注釈: これは特定のバージョン(11.8)をインストールする例です。他のバージョンをインストールする場合は --version オプションを適宜変更してください（例: --version 11.2）。利用可能なバージョンは winget search Nvidia.CUDA で確認できます。

4. (重要) ユーザ環境変数 TEMP の設定（日本語ユーザ名の場合）

   Windows のユーザ名に日本語（マルチバイト文字）が含まれている場合、CUDAコンパイラ nvcc が一時ファイルの作成に失敗し、コンパイルが正常に動作しないことがあります（エラーメッセージが表示されない場合もあるため注意が必要です）。この問題を回避するために、ユーザ環境変数 TEMP および TMP を、ASCII文字のみのパス（例: C:\TEMP）に変更します。

   管理者権限のコマンドプロンプトで，次のコマンドを実行して C:\TEMP ディレクトリを作成し、ユーザ環境変数 TEMP と TMP を設定します。

   mkdir C:\TEMP
   powershell -command "[System.Environment]::SetEnvironmentVariable(\"TEMP\", \"C:\TEMP\", \"User\")"
   powershell -command "[System.Environment]::SetEnvironmentVariable(\"TMP\", \"C:\TEMP\", \"User\")"
   

   この設定は、コマンドプロンプトを再起動するか、Windowsに再サインインした後に有効になります。

CuPy のインストール

1. CuPy の公式のインストールページを開く

   https://docs.cupy.dev/en/stable/install.html

2. 開いたページで，必要となるNVIDIA CUDA ツールキット，Python のバージョンの確認
   
3. CuPy の公式ページを開く

   https://cupy.chainer.org/

4. 使用している NVIDIA CUDA ツールキットのバージョンに合うものの指示に従う．
   
5. Windows で，管理者権限でコマンドプロンプトを起動（手順：Windowsキーまたはスタートメニュー > cmd と入力 > 右クリック > 「管理者として実行」）。
6. CuPy のインストール

   「11x」のところは，使用している NVIDIA CUDA ツールキットのバージョンに合わせて調整すること．

   python -m pip install -U cupy-cuda11x
   

   
7. 確認

   python -c "import cupy; print( cupy.__version__ )"
   

   

CuPy のプログラム例（公式サイトのプログラムを利用）

• 配列(cupy.ndarray)の作成と操作

  import cupy as cp
  
  # GPU配列の作成
  x_gpu = cp.array([1, 2, 3])
  
  # GPU上での計算
  y_gpu = x_gpu * 2
  
  print(y_gpu)  # array([2, 4, 6])
  

  
• ユーザー定義カーネル

  import numpy as np
  import cupy as cp
  
  squared_diff = cp.ElementwiseKernel(
      'float32 x, float32 y',
      'float32 z',
      'z = (x - y) * (x - y)',
      'squared_diff'
  )
  
  x = cp.arange(10, dtype=np.float32)
  y = cp.ones(10, dtype=np.float32)
  z = squared_diff(x, y)
  
  print(z)  # array([0., 0., 1., 4., 9., 16., 25., 36., 49., 64.], dtype=float32)
  

  
• Rawカーネル

  import cupy as cp
  
  add_kernel = cp.RawKernel(r'''
  extern "C" __global__
  void my_add(const float* x1, const float* x2, float* y) {
      int tid = blockDim.x * blockIdx.x + threadIdx.x;
      y[tid] = x1[tid] + x2[tid];
  }
  ''', 'my_add')
  
  x1 = cp.arange(25, dtype=cp.float32).reshape(5, 5)
  x2 = cp.arange(25, dtype=cp.float32).reshape(5, 5)
  y = cp.zeros((5, 5), dtype=cp.float32)
  add_kernel((5,), (5,), (x1, x2, y))
  
  print(y)
  

  
• カーネルフュージョン

  import cupy as cp
  
  @cp.fuse()
  def squared_diff(x, y):
      return (x - y) * (x - y)
  
  x_cp = cp.arange(10)
  y_cp = cp.arange(10)[::-1]
  result = squared_diff(x_cp, y_cp)
  
  print(result)  # array([81, 49, 25,  9,  1,  1,  9, 25, 49, 81])