1. CUDA安裝

在Linux系統(tǒng)上安裝CUDA toolkit需要下載兩個(gè)包：驅(qū)動(dòng)和toolkit

cuda_7.0.28_linux.run

NVIDIA-Linux-x86_64-352.41.run

1.1 安裝toolkit

toolkit包中提供多項(xiàng)功能，有顯卡驅(qū)動(dòng)、toolkit和samples；安裝過(guò)程為：

退出X server：在控制終端執(zhí)行命令：init 3；

啟動(dòng)安裝包：執(zhí)行命令：sh cuda_7.0.28_linux.run;

跳出安裝須知：執(zhí)行命令：strl + C，并輸入accept；

不進(jìn)行顯卡驅(qū)動(dòng)安裝：在第一個(gè)選項(xiàng)中輸入命令：N

其它選項(xiàng)：其它選項(xiàng)都選擇Y或者直接回車。

添加環(huán)境變量：在~/.bashrc文件中添加如下兩行

PATH=/usr/local/cuda-7.0/bin:$PATH

LD_LIBRARY_PATH=/usr/local/cuda-7.0/lib64:$LD_LIBRARY_PATH

參考文獻(xiàn)：CUDA_Getting_Started_Linux.pdf

1.2 安裝顯卡驅(qū)動(dòng)

本來(lái)CUDA

toolkit中自帶顯卡驅(qū)動(dòng)，但是由于自動(dòng)安裝顯卡驅(qū)動(dòng)后，導(dǎo)致Linux系統(tǒng)圖形界面無(wú)法啟動(dòng)，所以需要手動(dòng)下載和安裝顯卡驅(qū)動(dòng)，其安裝過(guò)程為：

退出圖形界面：運(yùn)行命令為：init 3；

啟動(dòng)：啟動(dòng)驅(qū)動(dòng)文件，命令為：sh NVIDIA-Linux-x86_64-352.41.run -a;

配置：安裝完成后，會(huì)提示是否運(yùn)行nvidia顯卡工具來(lái)自動(dòng)更新xorg.conf文件，選擇“Yes”；

返回圖形界面：在顯卡安裝完成后，返回圖形界面，命令為：startx；

備注：

若出現(xiàn)安裝顯卡驅(qū)動(dòng)后，圖形界面無(wú)法啟動(dòng)，則按如下方法解決：

進(jìn)入命令行界面：ctrl+Alt+F2.

刪除配置文件：/etc/X11/xorg.conf

2. 調(diào)式工具：CUDA GDB

對(duì)于CUDA的調(diào)式工具GDB，需要使用GPU的設(shè)備。但是當(dāng)在圖形界面時(shí)，GPU設(shè)備已經(jīng)被占用著，所以若需要使用CUDA GDB需要退出X server，進(jìn)入init 3。其使用過(guò)程為：

退出X server：在終端執(zhí)行命令：init 3

編譯：若源程序?yàn)?#xff1a;pmandel.cu，編譯命令可以為：nvcc -g -G pmandel.cu -o

pamandel;若是有makefile文件，則也可執(zhí)行命令：make。如圖 1所示。

圖 1.png

啟動(dòng)GDB：執(zhí)行命令：cuda-gdb pmandel；如圖 2所示。

圖 2.png

設(shè)置斷點(diǎn)：可以在任何函數(shù)或行設(shè)置斷點(diǎn)，如執(zhí)行命令：break

main；或break 21；

開始調(diào)式：執(zhí)行命令為：run；

繼續(xù)執(zhí)行：可以執(zhí)行命令：continue，或是：C；如圖 3所示。

圖 3.png

單步執(zhí)行：命令為：next，或是：n

顯示信息：可以執(zhí)行命令：info cuda

Commands，其中的Commands可以是threads、blocks、warps和contexts等命令，其它信息可參考《cuda-gdb.pdf》。如圖

4所示。

圖 4.png

參考文獻(xiàn)：cuda-gdb.pdf

3. 分析工具：CUDA Profile

======================

3.1 Visual Profiler：圖形化

Visual Profiler是NVIDIA提供的圖形化分析工具，其在成功安裝CUDA toolkit后，就能夠使用。通過(guò)Profiler能夠?qū)UDA

應(yīng)用的CPU和GPU的時(shí)間節(jié)點(diǎn)進(jìn)行分析，并能夠調(diào)優(yōu)CUDA應(yīng)用的性能。Visual Profiler的簡(jiǎn)單使用方法如下所示：

啟動(dòng)：在控制終端輸入命令：nvvp；如圖 5所示的啟動(dòng)后界面。

圖 5.png

新建session：其創(chuàng)建入口為：FileNew Session，如圖

6所示是新建Session對(duì)話框，在該對(duì)話框中的File輸入框中輸入需被分析的可執(zhí)行文件。

圖 6.png

分析結(jié)果：在新建Session對(duì)話框中輸入相應(yīng)的可執(zhí)行文件后，就能產(chǎn)生分析結(jié)果，如圖7所示。

圖 7.png

3.2 nvprof Profiler：命令行

通過(guò)nvprof可以以命令行的形式分析和調(diào)優(yōu)CUDA應(yīng)用程序。nvprof的使用形式是：

nvprof [options] [CUDA-application] [application-arguments]

summary模型

這是nvprof的默認(rèn)模型，在這個(gè)模型中只簡(jiǎn)單輸出核函數(shù)和CUDA內(nèi)存復(fù)制性能。如對(duì)于需要被測(cè)試的可執(zhí)行文件boxFilterNPP，可直接執(zhí)行命令：nvprof boxFilterNPP。如圖 8所示的結(jié)果。

圖 8.png

GPU-Trace和API-Trace模型

這個(gè)模型能夠以時(shí)間軸順序提供所有在GPU發(fā)生的活動(dòng)點(diǎn)，每個(gè)核函數(shù)的執(zhí)行或是復(fù)制/賦值都能夠詳細(xì)的顯示。如圖9所示。

圖 9.png

Event/metric Summary模型

通過(guò)這個(gè)模型能夠在指定的NVIDIA GPU上顯示所有可用的Event/metric，

圖 10.png

Event/metric Trace Mode

通過(guò)這個(gè)模型能夠顯示每個(gè)核函數(shù)的event和metric值。如圖 11所示。

圖 11.png

參考文獻(xiàn)：CUDA_Profiler_Users_Guide.pdf

4. 集成工具：nsight Eclipse

========================

4.1 CUDA編輯器

Linux中也有CUDA的集成開發(fā)工具nsight。其中在CUDA

toolkit中自帶nsight，所以當(dāng)成功安裝toolkit后，就可以啟動(dòng)nsight。其使用過(guò)程為：

啟動(dòng)：在終端中輸入：nsight；如圖 12所示是啟動(dòng)后的nsight界面。

圖 12.png

創(chuàng)建項(xiàng)目：在nsight界面中：FileProjectCUDA c/c++

projectExecutable其中一項(xiàng)，如圖 13所示的Executable選項(xiàng)。

圖 13.png

編譯：創(chuàng)建可執(zhí)行文件：右擊項(xiàng)目Build Project; 如圖 14所示。

圖 14.png

執(zhí)行：右擊項(xiàng)目Run AsCocal c/c++ Application;如圖 15所示。

圖 15.png

參考文獻(xiàn)：nsight_Eclipse_Edition_getting_started.pdf;

4.2 CUDA調(diào)試器

nsight也集成了gdb，通過(guò)nsight可用非常方便了對(duì)cuda程序進(jìn)行調(diào)式。其中若需要進(jìn)入Debug模型需要退出X

server，進(jìn)入init 3。當(dāng)單擊Debug按鈕時(shí)，就會(huì)自動(dòng)進(jìn)入Debug Perpspective, 如圖

16所示。其中當(dāng)進(jìn)入Debug模式時(shí)，就會(huì)在main函數(shù)中暫停。其中在nsight的工具欄中有四個(gè)相關(guān)的調(diào)式按鈕：

Step Info：進(jìn)入函數(shù)；

Step Over：單步執(zhí)行；

Step Return：退出函數(shù)；

Resume：跳到下一斷點(diǎn)。

圖 16.png

4.3 CUDA性能分析器

nsight同時(shí)集成了Profiler的分析工具，當(dāng)打開一個(gè)項(xiàng)目后就能夠非常方便了進(jìn)行性能分析。其分析Perpspective與visual Profiler一樣，如圖 17所示。

圖 17.png

5. nvml庫(kù)

======

5.1 安裝方式

運(yùn)行安裝完nvml庫(kù)后，

lib文件安裝路徑是：/usr/src/gdk/nvml

.h文件的安裝路徑是：/usr/include/nvidia/gdk/nvml.h

5.2 使用方式

lib文件

將/usr/src/gdk/nvml/lib/目錄下的兩個(gè)文件復(fù)制到/usr/lib64，并覆蓋以前文件。若在項(xiàng)目中需要使用該庫(kù)，則需添加所以的lib路徑，如在nsight項(xiàng)目中按如圖 18所示進(jìn)行添加。

圖 18.png

.h文件

若在項(xiàng)目中需要使用nvml庫(kù)，則只需在源程序中包含nvml.h文件，同時(shí)在環(huán)境中需要添加nvml.h文件所在的路徑，如圖19所示。

圖 19.png

總結(jié)

以上是生活随笔為你收集整理的cuda linux编译器_CUDA与Linux系统的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。