【RunPod】GPUインスタンスでCUDAが認識されない時の確認手順

この記事では、RunPodでGPUインスタンスを起動した際にCUDAが認識されず、AIツールがGPUを使えない問題について解説します。

1. どんな問題（エラー）が発生したか？

• 発生した環境やツール： RunPod GPU Cloud、PyTorch / TensorFlow
• エラーメッセージ： torch.cuda.is_available()がFalse、nvidia-smi not found
• 症状： GPUインスタンスを契約したのにCPUのみで処理が走る

2. 結論（解決策）

テンプレートの選択ミスまたはDockerコンテナ内のCUDA環境設定の問題が原因です。

3. 具体的な手順

1. インスタンスのGPU割り当てを確認
   RunPodダッシュボードでインスタンスの「GPU」欄に正しいGPU名が表示されているか確認します。
2. テンプレートを確認
   「RunPod PyTorch」や「RunPod CUDA」テンプレートを使用してください。カスタムDockerイメージの場合はNVIDIAベースイメージを使用します。
3. コンテナ内でGPUを確認

   nvidia-smi
   python -c "import torch; print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))"

4. 環境変数を確認

   echo $CUDA_VISIBLE_DEVICES
   echo $NVIDIA_VISIBLE_DEVICES

   空白や不正な値が設定されている場合は修正します。

4. 補足・注意点

RunPodのCommunity Cloudは価格が安い代わりに、GPUの空き状況によりインスタンスが中断される可能性があります。本番用途ではSecure Cloudの利用を検討してください。

👉 【RunPod】1時間数十円から使える高性能クラウドGPU

参考元

本記事は海外コミュニティの複数のディスカッションを要約・再構成したものです。

Source: RunPod Documentation