GPGPU-sim环境搭建教程（详细）

环境配置：Ubuntu18.04, CUDA 11
GPGPU-sim能够在Linux系统下，提供对GPU的功能模拟和性能仿真，让你在没有装NVIDIA显卡的情况下可以编译并运行CUDA程序。当然它更重要的意义是，可以通过修改仿真参数，让开发者修改GPU内部架构，并进行性能仿真，以针对自己的项目需求进行更好的代码设计，获得更好的性能表现。
本文提供GPGPU-sim的环境搭建教程以供大家参考。
请严格按照顺序进行！

源代码部署

从官方git地址clone到本地GPGPU-sim
或者从Github上搜索GPGPU-sim得到的第一个结果就是
克隆好后，记住自己保存项目的文件夹地址。

环境搭建

官方给出的所需的支持环境：

在说明文档中作者有提到他们使用的gcc和bison版本，但实测发现直接用新一点版本的gcc和bison也没有问题，但是不支持gcc 8以上的版本，可以使用7点几的版本，所以如果你的电脑上缺啥，直接用sudo apt-get install命令安装即可。有些支持文件下载时可能显示找不到资源，这种情况一般是因为文件的名字在Ubuntu系统中改变了，只要百度一下找到它在Ubuntu系统中的名字，然后继续sudo apt-get install即可
对于CUDA Toolkit的下载可以在CUDA官网找到下载地址，这里给出链接：
https://developer.nvidia.com/zh-cn/cuda-downloads
按照自己的系统选择要下载的包即可，建议下载runfile文件，命令行操作也已经给出

安装CUDA工具包时如果电脑上没有GPU无需安装Driver，在有一个用叉号进行选择的环节通过回车键把Driver选项取消掉即可。

添加环境变量

支持文件全部下载完成后，需要对环境变量进行配置，下载好CUDA工具包后，应该已经可以用nvcc命令编译cu文件，nvcc的使用方式与gcc很像，如果需要了解的话可以去搜一下有很多教程。但此时，编译出来的可执行文件应该还无法用GPGPU-sim执行，我们还需要添加环境变量来让我们的可执行文件链接到GPGPU-sim自带的CUDA运行时库。
在命令行输入 sudo vim ~/.bashrc
在文件尾部插入如下两行：

export CUDA_INSTALL_PATH=/usr/local/cuda/bin

(假设CUDA工具包与gpggpu-sim都下载到了/usr/local/目录下)
以上步骤完成后，我们的前期准备工作都已经完成。
为了测试CUDA工具包是否成功安装，可以在命令行输入nvcc -V 查看当前的CUDA编译器版本，如果正确输出你安装的版本信息则说明安装成功。

部署GPGPU-sim

进入clone项目代码的文件夹，打开命令行，依次执行以下命令：

source setup_environment
make
make docs

至此，GPGPU-sim已经部署完毕

使用GPGPU-sim

在使用gpgpu-sim时，将你要编译的CUDA源代码（.cu文件）复制到
/configs/tested-cfgs/目录中的某个文件里，这个文件夹里是不同型号GPU的模拟config文件，例如你想模拟这个程序在GTX480显卡上的运行状况，就将代码复制到GTX480对应的文件夹下，然后在命令行用nvcc进行编译，编译时一定要加参数，如下：

nvcc --cudart shared test.cu

编译完成后，用ldd命令查看生成的可执行文件的运行时库链接路径是否正确

ldd a.out

如果环境变量配置未出错，显示的信息中，应该有一条当前CUDA版本对应lib文件的路径是gpgpu-sim项目中的对应CUDA so文件路径而不是你安装的CUDA工具包的路径（如下图）
我安装的是CUDA11，对应的so文件路径是gpgpu-sim中的so文件（红色圈出）

之后运行a.out文件，会有一大堆输出信息，只要在代码保证正确的前提下没报错并输出了预期结果，就说明可以正常使用gpgpu-sim了