Skip to Content
ドキュメント開発ローカルAI / データサイエンス

ローカルAI/データサイエンス環境

この記事では、Ubuntu 26.04 上に完全なローカル AI およびデータ サイエンス開発環境を構築する方法について説明します。

NVIDIA CUDA 環境設定

GPU アクセラレーション AI モデルを実行するには、最初に NVIDIA ドライバーと CUDA ツールキットをインストールする必要があります。

NVIDIA ドライバーをインストールする

# Check the recommended driver version
ubuntu-drivers devices
 
# Install the recommended driver
sudo ubuntu-drivers autoinstall
 
# Or manually install the version reported by ubuntu-drivers devices
sudo apt install nvidia-driver-XXX -y
 
# Reboot
sudo reboot

ドライバーを確認します。

nvidia-smi

CUDA ツールキットをインストールする

# Install via apt (Ubuntu repository version)
sudo apt install cuda-toolkit -y
 
# Verify
nvcc --version

特定の CUDA バージョンの場合は、NVIDIA 公式リポジトリからインストールします (Ubuntu 26.04 は ubuntu2604 を使用します)。

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2604/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt update
 
# List available CUDA Toolkit versions in the repository
apt-cache search cuda-toolkit
 
# Install a specific version (replace XX-Y with an actual available version)
sudo apt install cuda-toolkit-XX-Y -y
Note

Ubuntu 26.04 には、公式リポジトリに NVIDIA CUDA ツールキットが同梱されているため、sudo apt install cuda-toolkit は直接動作します。 NVIDIA の ubuntu2604 リポジトリは、特定の CUDA バージョンが必要な場合に引き続き役立ちます。

環境変数を構成します。

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

cuDNNをインストールする

sudo apt install libcudnn9-cuda-12 libcudnn9-dev-cuda-12 -y

Ollama: 大規模な言語モデルをローカルで実行する

Ollama を使用すると、Llama、Mistral、Gemma などの大規模な言語モデルをローカルで簡単に実行できます。

Ollama をインストールする

curl -fsSL https://ollama.com/install.sh | sh

基本的な使い方

# Run a model (downloads automatically on first use)
ollama run llama3.2
 
# Run other models
ollama run mistral
ollama run gemma2
ollama run qwen2.5
ollama run deepseek-r1
 
# List downloaded models
ollama list
 
# Delete a model
ollama rm llama3.2
 
# View running models
ollama ps

Ollama API

Ollama は、デフォルトで http://localhost:11434 で実行される REST API を提供します。

# Generate text
curl http://localhost:11434/api/generate -d '{
  "model": "llama3.2",
  "prompt": "Explain what machine learning is"
}'
 
# Chat conversation
curl http://localhost:11434/api/chat -d '{
  "model": "llama3.2",
  "messages": [
    {"role": "user", "content": "Hello"}
  ]
}'

Open WebUI とともに使用します

Open WebUI は、Ollama に ChatGPT のような Web インターフェイスを提供します。

docker run -d -p 3000:8080 \
  --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  --name open-webui \
  ghcr.io/open-webui/open-webui:main

http://localhost:3000 からアクセスします。

Jupyter ノートブック / ラボ

Jupyter は、データ サイエンスと機械学習で最も人気のあるインタラクティブな開発環境です。

JupyterLab をインストールする

# Ubuntu 26.04 blocks system-wide pip installs (PEP 668)
# Method 1: install as a standalone app with pipx
sudo apt install -y pipx
pipx ensurepath
pipx install jupyterlab
 
# Method 2: install inside a virtual environment
python3 -m venv ~/jupyter-env
source ~/jupyter-env/bin/activate
pip install jupyterlab notebook
 
# Method 3: use conda
conda install -c conda-forge jupyterlab

JupyterLab を起動する

jupyter lab

ブラウザが自動的に http://localhost:8888 を開きます。

共通カーネルのインストール

# Install R kernel
sudo apt install r-base -y
R -e "install.packages('IRkernel'); IRkernel::installspec()"
 
# Install a kernel for a specific virtual environment
python -m ipykernel install --user --name myenv --display-name "Python (myenv)"

推奨される Jupyter 拡張機能

# Install in the same virtual environment as JupyterLab (or inject via pipx)
# pipx users can run: pipx inject jupyterlab jupyterlab-lsp python-lsp-server jupyterlab-git
pip install jupyterlab-lsp python-lsp-server
pip install jupyterlab-git

PyTorch

PyTorch は、現在最も人気のある深層学習フレームワークです。

PyTorch (GPU) をインストールする

# Install inside a virtual environment (PEP 668)
python3 -m venv ~/torch-env
source ~/torch-env/bin/activate
 
# pip install torch installs the wheel for the current CUDA by default;
# older drivers can pin a lower CUDA, e.g. cu126
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
 
# Using conda
conda install pytorch torchvision torchaudio pytorch-cuda=12.6 -c pytorch -c nvidia

PyTorch (CPU) のインストール

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

PyTorch GPU サポートを確認する

import torch
print(f"PyTorch version: {torch.__version__}")
print(f"CUDA available: {torch.cuda.is_available()}")
print(f"CUDA version: {torch.version.cuda}")
print(f"GPU device: {torch.cuda.get_device_name(0)}")
 
# Simple test
x = torch.rand(3, 3).cuda()
print(x)

TensorFlow

TensorFlow をインストールする

# GPU version (auto-detects CUDA)
pip install tensorflow
 
# Verify
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

TensorFlow GPU の検証

import tensorflow as tf
print(f"TensorFlow version: {tf.__version__}")
print(f"GPU devices: {tf.config.list_physical_devices('GPU')}")
 
# Simple test
with tf.device('/GPU:0'):
    a = tf.constant([[1.0, 2.0], [3.0, 4.0]])
    b = tf.constant([[5.0, 6.0], [7.0, 8.0]])
    c = tf.matmul(a, b)
    print(c)

一般的なデータ サイエンス パッケージ

# Activate a virtual environment first (PEP 668: no pip into the system Python)
python3 -m venv ~/ds-env && source ~/ds-env/bin/activate
 
pip install numpy pandas matplotlib seaborn scikit-learn scipy
pip install plotly bokeh altair
pip install polars  # High-performance alternative to pandas
pip install xgboost lightgbm catboost  # Gradient boosting frameworks

完全な AI 開発環境の例

推奨されるプロジェクト環境セットアップのワークフローは次のとおりです。

# Create project directory
mkdir ~/ai-project && cd ~/ai-project
 
# Create conda environment (pip is safe inside a conda environment)
conda create -n ai python=3.13 -y
conda activate ai
 
# Install core libraries (current CUDA by default; older drivers can pin cu126)
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
pip install transformers datasets accelerate
pip install jupyterlab
pip install numpy pandas matplotlib scikit-learn
 
# Launch Jupyter
jupyter lab

ハグフェイストランスフォーマーの使用

pip install transformers datasets accelerate
from transformers import pipeline
 
# Text generation
generator = pipeline("text-generation", model="gpt2")
result = generator("The future of artificial intelligence is", max_length=50)
print(result)
 
# Sentiment analysis
classifier = pipeline("sentiment-analysis")
result = classifier("This product is amazing")
print(result)

GPUの使用状況を監視する

# Real-time monitoring
watch -n 1 nvidia-smi
 
# Use nvitop (more visually appealing) -- install as a standalone CLI with pipx
pipx install nvitop
nvitop
 
# Use gpustat
pipx install gpustat
gpustat -i 1

ローカル AI 環境をセットアップすると、Ubuntu 26.04 でさまざまな大規模言語モデルと深層学習タスクを実行する準備が整います。

仮想マシンとコンテナ