如何验证 16.04 中的 CUDA 安装？

Question 1

这个可以吗？

是的，一切都正如预期的那样。

为什么 nvcc 指向其他目录？

nvcc位于可执行文件的典型文件夹中，而其他的是 CUDA“驱动程序”。这主要是 Nvidia 的决定，但它是有道理的。

Answer

这个可以吗？

是的，一切都正如预期的那样。

为什么 nvcc 指向其他目录？

nvcc位于可执行文件的典型文件夹中，而其他的是 CUDA“驱动程序”。这主要是 Nvidia 的决定，但它是有道理的。

Question 2

编译并运行 CUDA hello world

对于“某些东西是否安装正确”的问题，最好的答案往往是：“试着将它用于任何你想用它做的事情，看看它是否会爆炸，以及它是否像你期望的那样快”。

如果“爆炸”部分失败，您可能想尝试让 hello world 工作：

主程序库

#include <cassert>

#define N 3

__global__ void inc(int *a) {
    int i = blockIdx.x;
    if (i<N) {
        a[i]++;
    }
}

int main() {
    int ha[N], *da;
    cudaMalloc((void **)&da, N*sizeof(int));
    for (int i = 0; i<N; ++i) {
        ha[i] = i;
    }
    cudaMemcpy(da, ha, N*sizeof(int), cudaMemcpyHostToDevice);
    inc<<<N, 1>>>(da);
    cudaMemcpy(ha, da, N*sizeof(int), cudaMemcpyDeviceToHost);
    for (int i = 0; i < N; ++i) {
        assert(ha[i] == i + 1);
    }
    cudaFree(da);
    return 0;
}

GitHub 上游。

并编译并运行：

nvcc -o main.out main.cu
./main.out

并且断言在我正常工作的设置上没有失败。

如果失败了，请查看如何安装问题：

运行一些 CPU 与 GPU 基准测试

一个更有趣的性能检查是采用一个经过良好优化的程序，它只执行一次GPU 加速算法可以是 CPU 也可以是 GPU，然后同时运行两者以查看 GPU 版本是否更快。

TODO 在这里提出并测试一个，例如矩阵乘法岩浆 (GPU)和 LAPACKE (CPU)。它们可能公开相同的 C API，因此可以轻松比较结果。

然后，您还可以nvidia-settings在运行时打开以查看 GPU 是否实际上仅在 GPU 版本中使用：如何检查 Ubuntu 是否正在使用我的 NVIDIA 显卡？

Answer