Evaluering af Ubuntu NVIDIA GPU-arbejdsstation

Denne guide forbereder en Ubuntu 24.04-arbejdsstationsopskrift til NVIDIA-værktøjer. Den normale KVM-testgæst har måske ingen NVIDIA-enhed, så pakke- og konfigurationstjek er ikke fysisk GPU-kvalificering.

Prompt

Create an Ubuntu 24.04 GNOME workstation for NVIDIA compute evaluation.
Include the gpu-nvidia, cuda, docker, Python, Git, SSH, and Jupyter features.
Do not choose “latest”; show the exact driver, CUDA toolkit, container runtime,
repositories, signing keys, and supported GPU architecture in the plan. Create
a locked-password user named mldev. Add package and service tests for the VM,
then list nvidia-smi, CUDA sample, container-GPU, suspend/resume, and workload
tests that must run on the target workstation.

Opskriftens form

{
  "name": "ubuntu24-nvidia-workstation-evaluation",
  "base_image": "ubuntu-24.04",
  "hardware": {
    "platform": "pc",
    "architecture": "x86_64",
    "gpu": "nvidia",
    "min_cpu_cores": 8,
    "min_memory_gb": 32,
    "min_storage_gb": 128,
    "nic_count": 1
  },
  "os": {
    "features": [
      "desktop",
      "gpu-nvidia",
      "cuda",
      "docker",
      "python",
      "git",
      "ssh",
      "jupyter"
    ],
    "users": [
      {
        "username": "mldev",
        "groups": ["sudo", "docker"],
        "shell": "/bin/bash"
      }
    ],
    "desktop_settings": {
      "color_scheme": "prefer-dark",
      "power": {
        "idle_delay": 600,
        "sleep_inactive_ac_timeout": 0,
        "sleep_inactive_ac_type": "nothing"
      }
    }
  }
}

Hardwareblokken er erklæret hensigt. Den gør ingen NVIDIA-enhed synlig i test-VM’en. Gennemgå Docker-gruppens privilegium og eksponer ikke Jupyter uden godkendelse og netværkspolitik.

Kompatibilitetsgennemgang

Før du bygger, noter:

• præcis GPU-model og compute capability;
• kompatibilitet mellem kernel, NVIDIA-driver, CUDA toolkit og user-space-biblioteker;
• proveniens for kilde-repository og signing key;
• Secure Boot- og modulsigneringsadfærd, hvis det bruges;
• forventninger til display-GPU versus kun compute; og
• licens- og omfordelingsbegrænsninger for hver proprietær komponent.

Opdeling af evidens

Den virtuelle build kan bevise pakkeinventar, eksekverbare filer, konfigurationsfiler, desktopstart og ikke-GPU-tjenester. Kun målhardware kan bevise:

• nvidia-smi ser den tilsigtede enhed uden fejl;
• et kompileret CUDA-eksempel giver det forventede resultat;
• et fastlåst containerimage kører med --gpus og ser enheden;
• termik, effektgrænser, suspend/resume og genstart er stabile; og
• den reelle trænings- eller inferens-workload afsluttes inden for hukommelses- og performancekrav.

Behold begge evidensmængder og mærk dem efter miljø. Rapporter ikke en fungerende GPU-stack alene ud fra tilstedeværelsen af pakker.