[CUDA Study #1] 우분투(Ubuntu) CUDA 개발 환경 구축: 드라이버부터 Hello World까지

게시 2026/01/23

By wakenhole

7 분읽는 시간

딥러닝 모델 학습이나 고성능 병렬 처리를 위해 NVIDIA GPU를 사용한다면, CUDA(Compute Unified Device Architecture) 환경 설정은 피할 수 없는 통과의례입니다. 하지만 OS 버전, 드라이버 버전, 그리고 Toolkit 버전 간의 호환성 문제로 인해 설치 과정은 종종 ‘삽질’의 연속이 되곤 합니다.

오늘은 Ubuntu 22.04 LTS 환경에서 Tesla P40 GPU를 기준으로, 드라이버 설치부터 CUDA Toolkit 12.8 세팅, 그리고 간단한 Hello World 예제 구동까지의 과정을 기록으로 남깁니다.

1. 시스템 환경 확인 (Pre-requisites)

설치에 앞서 현재 시스템의 OS 버전과 장착된 GPU 장치를 정확히 파악해야 합니다. 호환성 문제가 발생했을 때 가장 먼저 확인해야 할 지표이기 때문입니다.

OS 버전 확인

cat /etc/os-release

[Result] Ubuntu 22.04.4 LTS (Jammy Jellyfish)임을 확인했습니다.

GPU 장치 확인

시스템에 장착된 NVIDIA 장치를 리스트업 합니다.

lspci | grep -i nvidia

[Result] Tesla P40 (GP102GL) 카드가 정상적으로 인식되고 있습니다. 본 포스팅에서는 P40 8장이 꽂힌 서버를 기준으로 진행합니다.

2. NVIDIA 드라이버 설치

우분투에서는 ubuntu-drivers-common 패키지를 통해 시스템에 적합한 드라이버를 추천받을 수 있습니다.

설치 가능한 드라이버 목록 조회:

  
sudo apt install ubuntu-drivers-common
sudo ubuntu-drivers devices

출력된 리스트 중 recommended 태그가 붙은 버전을 설치하는 것이 일반적입니다. 하지만 최신 CUDA 버전(13.x)을 사용하기 위해 nvidia-driver-580 버전을 선택하여 설치를 진행했습니다.

  
# 드라이버 설치
sudo apt install nvidia-driver-580

# 설치 후 상태 확인 (재부팅 권장)
nvidia-smi

nvidia-smi 명령어가 정상적으로 실행되고, GPU 목록과 드라이버 버전(550.xx 이상)이 표기된다면 하드웨어 레벨의 준비는 끝난 것입니다.

Tip: nvidia-smi 화면 우측 상단의 CUDA Version: 13.0 표기는 드라이버가 지원하는 최대 CUDA 버전을 의미하며, 실제 설치된 Toolkit 버전과는 다를 수 있습니다.

3. CUDA Toolkit 설치

이제 개발에 필요한 컴파일러와 라이브러리가 포함된 CUDA Toolkit을 설치합니다. 작성일 기준 최신 버전인 CUDA 12.8.0을 설치합니다.

설치 파일 다운로드 및 실행:

wget https://developer.download.nvidia.com/compute/cuda/12.8.0/local_installers/cuda_12.8.0_570.86.10_linux.run
sudo sh cuda_12.8.0_570.86.10_linux.run

⚠️ 설치 시 주의사항

설치 스크립트 실행 후 나타나는 선택 화면에서 Driver 항목의 체크를 해제([ ]) 해야 합니다.

이유: 우리는 앞 단계(apt)에서 이미 시스템에 최적화된 드라이버를 설치했기 때문입니다. Toolkit에 포함된 드라이버를 덮어씌울 경우 충돌이 발생할 수 있습니다.

4. 환경 변수 설정 (Environment Variables)

설치가 완료되었더라도 시스템이 nvcc 등의 명령어를 인식할 수 있도록 경로(PATH)를 지정해야 합니다.

.bashrc 파일을 열어 다음 내용을 하단에 추가합니다.

vi ~/.bashrc

  
# ~/.bashrc 하단에 추가
export PATH="/usr/local/cuda/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"

저장 후 source ~/.bashrc를 실행하거나 터미널을 재시작하여 적용합니다.

설치 확인:

nvcc --version

위 명령 입력 시 Cuda compilation tools, release 13.1 메시지가 출력되면 성공입니다.

5. Hello World 실전 테스트

환경 설정이 제대로 되었는지 검증하기 위해, GPU 커널을 사용하는 간단한 C++ 코드를 작성하고 실행해 봅니다.

소스 코드 작성 (`test.cu`)

#include <stdio.h>
#include "cuda_runtime.h"
#include "device_launch_parameters.h"

// GPU에서 실행될 커널 함수
__global__ void test01() {
    printf("Block ID: %d --- Thread ID: %d\n", blockIdx.x, threadIdx.x);
}

int main () {
    printf("Hello World! Starting CUDA Test...\n");
    
    // 2개의 블록, 각 블록당 32개의 스레드 실행 요청
    test01 <<<2, 32>>> ();
    
    // 디바이스 동기화 (GPU 작업이 끝날 때까지 대기)
    cudaError_t err = cudaDeviceSynchronize();
    
    if (err != cudaSuccess) {
        printf("CUDA error: %s\n", cudaGetErrorString(err));
    }
    
    return 0;
}

컴파일 및 실행

nvcc 컴파일러를 사용하여 실행 파일을 생성합니다.

  
# 컴파일
nvcc -o test test.cu

# 실행
./test

실행 결과: 터미널에 Hello World! 메시지와 함께 0번부터 31번까지의 Thread ID가 Block 0과 Block 1에서 각각 출력된다면 모든 설정이 완벽하게 끝난 것입니다.

마치며

이제 기본적이고도 가장 중요한 환경 설정이 완료되었습니다. 이 과정은 새로운 서버를 세팅할 때마다 반복되므로, 본인의 환경에 맞는 버전을 잘 기록해두는 것이 좋습니다. 다음 포스팅에서는 본격적인 CUDA 프로그래밍 예제를 다뤄보겠습니다.

References:

NVIDIA CUDA Toolkit Archive

Tech, CUDA