ndzip使用cuda+nvcc进行环境搭建

上面的原理看的有点头秃,还是来讲讲如何快速上手ndzip吧!

点击进入 ndzip 的地址,git 下项目到本地。

环境搭建

环境需求

运行 ndzip 需要以下环境,Catch2 可根据自己是否需要来选择是否安装。

  • CMake >= 3.15
  • Clang >= 10.0.0
  • Linux (我这里用的Ubuntu20)
  • Boost >= 1.66
  • Catch2 >= 2.13.3 (可选,用于单元测试和微基准测试)

CMake安装

CMake 在Ubuntu软件源中,安装非常简单,执行以下命令即可:

sudo apt install cmake

版本检查(CMake >= 3.1.5):

cmake --version

看到 CMake 版本大于3.1.5即可。
在这里插入图片描述

Clang 安装

Clang 也存在 Ubuntu软件源中,步骤和CMake差不多,命令如下:

sudo apt install clang

版本检查(Clang >= 10.0.0):

clang --version

可以看到 Clang 版本为 10.0.0,符合要求
在这里插入图片描述

Boost 安装

Boostr 也存在 Ubuntu软件源中,命令如下:

sudo apt-get install libboost-all-dev

版本检查(Boost >= 1.66):

dpkg -S /usr/include/boost/version.hpp

在这里插入图片描述

Catch2 添加

Catch2需要去github上下载编译,命令如下:

git clone https://github.com/catchorg/Catch2.git
cd Catch2
cmake -Bbuild -H. -DBUILD_TESTING=OFF
sudo cmake --build build/ --target install

等待编译添加完即可。
在这里插入图片描述

构建

安装 SYCL (废弃,用下个方法)

需要使用 cuda 的使用以下命令安装。

git clone https://github.com/illuhad/hipSYCL
cd hipSYCL
cmake -B build -DCMAKE_INSTALL_PREFIX=../hipSYCL-install -DWITH_CUDA_BACKEND=YES -DCMAKE_BUILD_TYPE=Release
cmake --build build --target install -j

由于我使用的 WSL ,cuda 一直没配置好,就不用GPU了,所以把 DWITH_CUDA_BACKEND设为NO。命令如下:

git clone https://github.com/illuhad/hipSYCL
cd hipSYCL
cmake -B build -DCMAKE_INSTALL_PREFIX=../hipSYCL-install  -DCMAKE_BUILD_TYPE=Release
cmake --build build --target install -j

中途报了一个错,使用以下命令修复 clang 库:

sudo apt-get install libclang-10-dev

在这里插入图片描述构建SYCL成功:在这里插入图片描述

使用 CUDA + NVCC 构建 ndzip

使用 cuda,安装 CUDA Toolkit

sudo apt-key del 7fa2af80 # 删除旧的GPG密钥,之前装过的要删掉

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda-repo-wsl-ubuntu-11-7-local_11.7.0-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-11-7-local_11.7.0-1_amd64.deb
sudo apt-get update
sudo apt-get -y install cuda

使用 CUDA + NVCC 构建 ndzip(自己使用SYCL构建ndzip没跑出来。。。)

cmake -B build -DCMAKE_CUDA_ARCHITECTURES=75 -DCMAKE_BUILD_TYPE=Release -DCMAKE_CXX_FLAGS="-march=native"
cmake --build build -j

完成构建
在这里插入图片描述

测试

测试可用
在这里插入图片描述
随便压缩个什么,压缩成功。
在这里插入图片描述

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
在安装Anaconda时,默认情况下是不包含CUDAnvcc的。CUDA是用于GPU加速的并行计算平台,而nvccCUDA的编译器。如果你需要使用CUDAnvcc,你需要单独安装CUDA工具包。 要安装CUDAnvcc,你可以按照以下步骤进行操作: 1. 首先,你需要确定你的显卡支持的CUDA版本。你可以在NVIDIA官方网站上找到与你的显卡兼容的CUDA版本。 2. 请确保你已经正确安装了显卡驱动程序。 3. 访问NVIDIA开发者网站,从那里下载适合你的操作系统和显卡型号的CUDA工具包安装程序。 4. 运行CUDA工具包安装程序,并按照提示进行安装。在安装过程中,你可以选择安装CUDA Toolkit和CUDA示例。 5. 安装完成后,你需要配置系统环境变量。打开系统环境变量设置,将CUDA的安装路径添加到系统的PATH变量中。 6. 确认安装成功后,你可以在Anaconda Prompt窗口中执行nvcc命令来验证nvcc是否正确安装。 通过以上步骤,你就可以成功安装和配置CUDAnvcc,以便在Anaconda环境中进行深度学习的开发和使用。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [从0开始下载Anaconda配置环境安装cuda和pytorch](https://blog.csdn.net/coderrrrrr/article/details/130184674)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

繁依Fanyi

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值