Ubuntu NVIDIA GPU ワークステーションの評価

このガイドでは、NVIDIA ツール用の Ubuntu 24.04 ワークステーションレシピを準備します。通常の KVM テストゲストには NVIDIA デバイスがない可能性があるため、パッケージと構成のチェックは物理的な GPU 認定ではありません。

プロンプト


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.

レシピの形状


{
  "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"
      }
    }
  }
}

ハードウェアブロックは意図的に宣言されています。 NVIDIA デバイスがテスト VM に認識されるようにはなりません。 Docker グループ権限を確認し、認証とネットワークポリシーなしで Jupyter を公開しないでください。

互換性のレビュー

構築する前に、次のことを記録します。

正確な GPU モデルと計算能力。
カーネル、NVIDIA ドライバー、CUDA ツールキット、およびユーザー空間ライブラリの互換性。
ソースリポジトリと署名キーの来歴。
セキュアブート/モジュール署名動作 (使用されている場合)。
ディスプレイ GPU とコンピューティングのみの期待。そして
すべての独自コンポーネントに対するライセンスと再配布の制約。

証拠の分割

仮想ビルドは、パッケージインベントリ、実行可能ファイル、構成ファイル、デスクトップ起動、および GPU 以外のサービスを証明できます。ターゲットハードウェアのみが以下を証明できます。

nvidia-smi は、エラーなしで目的のデバイスを認識します。
コンパイルされた CUDA サンプルは期待どおりの結果を生成します。
固定されたコンテナーイメージは --gpus で実行され、デバイスを認識します。
サーマル、電力制限、サスペンド/レジューム、および再起動は安定しています。そして
実際のトレーニングまたは推論のワークロードは、メモリとパフォーマンスの要件内で完了します。

両方の証拠セットを保持し、環境ごとにラベルを付けます。パッケージの存在だけから GPU スタックが動作していることを報告しないでください。