NVIDIA-Treiber auf Industrie-PC einrichten (Linux)

Symbolbild, KI-generiert (gpt-image-1)

Industrielle Edge-Computer mit NVIDIA-GPU für KI-Inferenz oder Machine Vision benötigen die korrekten NVIDIA-Treiber und den CUDA Toolkit. Diese Anleitung beschreibt die nvidia treiber industrie pc linux Installation auf Ubuntu 22.04 LTS – dem Standard-Betriebssystem für ENBIK-Industrie-PCs mit GPU.

Voraussetzungen

• ENBIK Industrie-PC mit NVIDIA GPU (PCIe-Karte oder MXM-Modul)
• Ubuntu 22.04 LTS installiert
• Internetzugang
• Secure Boot im BIOS deaktiviert

GPU erkennen

Zunächst prüfen, welche NVIDIA-GPU verbaut ist:

lspci | grep -i nvidia

Ausgabe (Beispiel):

01:00.0 VGA compatible controller: NVIDIA Corporation GA104 [GeForce RTX 3060] (rev a1)

Methode 1: Ubuntu-Treiberverwaltung (empfohlen)

Die einfachste Methode für Ubuntu:

ubuntu-drivers devices

Zeigt verfügbare Treiber an:

driver   : nvidia-driver-535 - distro non-free recommended
driver   : nvidia-driver-525 - distro non-free

Den empfohlenen Treiber installieren:

sudo ubuntu-drivers autoinstall
sudo reboot

Nach dem Neustart Treiber prüfen:

nvidia-smi

Erfolgreiche Ausgabe zeigt GPU-Modell, Treiber-Version, CUDA-Version und Speicher.

Methode 2: NVIDIA-Repository (aktuellste Treiber)

Für die aktuellsten Treiber direkt vom NVIDIA-Repository:

# NVIDIA CUDA Repository hinzufügen
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt update

# Treiber installieren (Version je nach GPU anpassen)
sudo apt install nvidia-driver-545
sudo reboot

CUDA Toolkit installieren

CUDA ist die GPU-Programmierplattform von NVIDIA – Voraussetzung für PyTorch, TensorFlow und alle GPU-beschleunigten KI-Frameworks:

sudo apt install cuda-toolkit-12-3

Umgebungsvariablen setzen (in ~/.bashrc einfügen):

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

source ~/.bashrc
nvcc --version  # CUDA-Version prüfen

PyTorch mit CUDA-Unterstützung installieren

# Python Virtual Environment anlegen
python3 -m venv /opt/ml-env
source /opt/ml-env/bin/activate

# PyTorch mit CUDA 12.x
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

GPU-Verfügbarkeit in PyTorch prüfen:

import torch
print(torch.cuda.is_available())       # True
print(torch.cuda.get_device_name(0))   # z.B. "NVIDIA GeForce RTX 3060"

Häufige Probleme

nvidia-smi: command not found nach Reboot: - Secure Boot aktiv? → Im BIOS deaktivieren - Kernel-Update hat Treiber-Modul ungültig gemacht → sudo apt install dkms und Treiber neu kompilieren

CUDA-Version stimmt nicht mit Treiber überein: - Treiber und CUDA müssen kompatibel sein. NVIDIA-Kompatibilitätstabelle beachten: Treiber 535+ unterstützt CUDA 12.2+

GPU nicht erkannt in nvidia-smi: - PCIe-Karte sitzt nicht vollständig im Slot → Karte neu einsetzen - Strom-Anschluss der GPU fehlt (bei High-Power-Karten)

Treiber-Updates im Industriebetrieb

In produktiven Systemen Treiber-Updates gezielt einplanen: - Nicht automatisch aktualisieren (apt-mark hold nvidia-driver-535) - Vor Updates Treiber-Kompatibilität mit installierten KI-Frameworks prüfen - Backup der Systempartition vor Major-Updates

Fazit

Die NVIDIA-Treiber-Installation auf Ubuntu ist mit der Ubuntu-Treiberverwaltung in wenigen Minuten erledigt. Für produktive KI-Inferenz-Systeme empfiehlt sich die explizite Treiber-Versionsverwaltung, um unkontrollierte Updates in laufenden Systemen zu vermeiden.

Passende ENBIK Industrie-PCs mit GPU: ENBIK Technology und PCIe AI-Karten.

Weiterführende Dokumentation

• NVIDIA CUDA Installation Guide – Linux
• NVIDIA Driver Download – Offizielle Treiberdatenbank
• PyTorch – Installation mit CUDA-Unterstützung
• NVIDIA CUDA / Treiber-Kompatibilitätstabelle

Zurück zum Wiki-Inhaltsverzeichnis.

---