セットアップガイド

【CUDA】自分の環境に適したバージョンの確認・選択完全ガイド

(更新日: 2月 24, 2026) · 10分で読めます · 3 閲覧

はじめに：CUDAバージョンでお困りのあなたへ

GPUプログラミングを始めようとしたとき、あるいは既存のプロジェクトを動かそうとしたときに、「自分の環境にはどのCUDAバージョンを入れればいいのかわからない」「nvcc –versionを実行したらエラーになった」「新しいTensorFlow/PyTorchを入れるためにCUDAのバージョンを確認したら、ドライバーとの互換性で悩んだ」という経験はないでしょうか。

CUDA Toolkitのバージョンは、GPUドライバーのバージョン、インストールしている深層学習フレームワーク（TensorFlow、PyTorchなど）、そして使用するGPUハードウェアの3つの要素の組み合わせによって最適なものが異なります。バージョンが合わないと、プログラムがコンパイルできなかったり、実行時にエラーが発生したりと深刻な問題を引き起こします。

結論：まずは現状把握が最重要

nvcc –versionコマンドで現在インストールされているCUDAバージョンを確認し、NVIDIAドライバーのバージョンも確認した上で、CUDA Toolkit Archiveから適切なバージョンを選択インストールしてください。CUDA 後方互換性があるため、新しいバージョンを入れる場合でも既存のアプリケーションへの影響は最小限に抑えられます。

Step 1：現在のCUDAバージョン確認方法

Linux/Ubuntuの場合

最も一般的な方法はnvccコマンドを使用することです。ターミナルで以下のコマンドを実行します：

nvcc --version

このコマンドを実行すると、以下のようにインストールされているCUDA Toolkitのバージョンが表示されます：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2024 NVIDIA Corporation
Built on Wed_Apr_17_19:19:55_PDT_2024
Cuda compilation tools, release 12.5, V12.5.52
Build cuda_12.5.r12.5/compiler.34097967_0

ここではCUDA 12.5がインストールされていることがわかります。

また、version.txtファイルを確認する方法もあります：

cat /usr/local/cuda/version.txt

この方法はnvccがインストールされていないCUDAランタイム環境でも有効です。

Windowsの場合

Windows環境では、コマンドプロンプトまたはPowerShellで相同的コマンドを実行します：

nvcc --version

また、CUDAがインストールされている場合は通常C:Program FilesNVIDIA GPU Computing ToolkitCUDAv12.5のようなパスにバージョンを示すフォルダーが作成されます。

Step 2：NVIDIAドライバーのバージョン確認

CUDA Toolkitバージョンとドライバーバージョンは密接に関連しています。以下のコマンドでドライバーのバージョンを確認できます：

nvidia-smi

実行結果の上部に以下のように表示されます：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 535.154.05   Driver Version: 535.154.05   CUDA Version: 12.2     |
+-----------------------------------------------------------------------------+

ここで表示される「CUDA Version」はドライバーがサポートしているCUDAの最大バージョンです。実際の Toolkit バージョンよりも古い場合があります。

Step 3：CUDA Toolkit Archiveからバージョンを選択

CUDA Toolkit Archiveにアクセスすると、了過ぎ去的所有版本がリストされています。2025年12月時点では以下のバージョンが利用可能です：

  • CUDA Toolkit 13.1.0（2025年12月）
  • CUDA Toolkit 13.0.2（2025年10月）
  • CUDA Toolkit 13.0.1（2025年9月）
  • CUDA Toolkit 13.0.0（2025年8月）
  • CUDA Toolkit 12.9.1（2025年6月）
  • CUDA Toolkit 12.9.0（2025年5月）

新しいバージョンほど新しいGPUアーキテクチャのサポートやパフォーマンス改善が含まれていますが、古いGPUを使用する場合は古いバージョンが必要になる場合があります。

Step 4：深層学習フレームワークとの互換性を確認

TensorFlowやPyTorchなどの深層学習フレームワークは、特定のCUDAバージョンを必要とします。例えば：

  • TensorFlow 2.x：通常CUDA 11.x以上が必要
  • PyTorch 2.x：CUDA 11.8または12.1以上を推奨
  • 最新のTransformerモデル：CUDA 12.x以上が望ましい

インストール予定のフレームワークの要件を事前に確認し、適切なCUDAバージョンを選択してください。

Step 5：CUDA Toolkitのインストール手順

Linux（Ubuntu）の場合

deb（network）インストール方法は次の通りです：

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-get update
sudo apt-get install cuda-toolkit-12-5

インストール後、パスを設定する必要があります：

export PATH=/usr/local/cuda-12.5/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.5/lib64:$LD_LIBRARY_PATH

Windowsの場合

NVIDIA公式ダウンロードページからインストーラーをダウンロードし、指示に従ってインストールを行います。Visual Studioがインストールされていることを確認してください。

注意点とトラブルシューティング

よく 問題

  • nvccが見つからない：PATHが通っていない可能性があります。上記のパス設定を確認してください。
  • ドライバーとToolkitのバージョンが合わない：ドライバーのバージョンが新しいほど古いCUDA Toolkitも動作します。互換性についてはリリースノートを参照してください。
  • 複数のCUDAバージョンが共存：複数のプロジェクトで異なるCUDAバージョンが必要な場合は、cuda-select-installerや環境変数でバージョンを切り替えて使用できます。

バージョン選択の優先順位

  1. まず、使用したい深層学習フレームワークが対応するCUDAバージョンを確認
  2. そのバージョンに対応するNVIDIAドライバーの要件を確認
  3. ハードウェア（GPU）がそのバージョンをサポートしているか確認
  4. 問題がなければ最新安定版を選択肢として検討

まとめ

CUDAバージョンの選択は、最初のうちは複雑に感じるかもしれませんが、基本的な流れを理解していれば恐れる必要はありません。nvcc --versionとnvidia-smiで現状を確認し、用途に応じた適切なバージョンを選択してインストールすることで、GPUプログラミングの環境が正しく構築されます。互換性で悩んだ場合は、最新バージョンよりも実績のあるバージョン（例：CUDA 12.x系）を選択することをお勧めします。

参考元

おすすめ環境

🔧 快適な開発環境のために

本記事の手順をスムーズに進めるために、以下のスペックを推奨します。

この記事は役に立ちましたか？