终于成功配置numba cuda

最新推荐文章于 2025-03-12 15:20:22 发布
最新推荐文章于 2025-03-12 15:20:22 发布
阅读量1w 收藏 15
点赞数 3
分类专栏： python 文章标签： cuda python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013975830/article/details/78822919
版权
本文记录了成功配置numba CUDA的过程，包括安装CUDA Toolkit、设置环境变量以及解决配置过程中遇到的问题。通过配置，numba的GPU加速功能得以启用，能够实现对Mandelbrot集的高速计算。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

很多年前就关注了numba，numba的gpu加速以前叫numba pro，是收费的，后来整合进了numba。但是很遗憾，我从来没有成功配置过numba的cuda。终于在今天，完成了这一多年来一直失败的配置过程。

numba cuda的配置

废话少说，配置cuda主要有以下几点：

  1. 安装CUDA Toolkit 我比较喜欢新的，装的是9.1版本。安装完成后安装程序会自动配置好环境变量。
  2. 设置numba所需的环境变量
    • NUMBAPRO_CUDALIB：path_to_cuda\bin (eg: D:\CUDA\v9.1\bin)
    • NUMBAPRO_NVVM: path_to_cuda\nvvm\bin\nvvm.dll (eg: D:\CppLib\CUDA\v9.1\nvvm\bin\nvvm64_32_0.dll)
    • NUMBAPRO_LIBDEVICE: path_to_cuda\nvvm\libdevice (eg: D:\CppLib\CUDA\v9.1\nvvm\libdevice)

环境变量设置好后看看NUMBAPRO_LIBDEVICE目录下是否有名为libdevice.compute_xx.10.bc (xx=20,30,35,50)的文件，如果没有可以到matlab的bin目录下去寻找。matlab里面啥都有。。啥都有。。啥都有。。

环境设置好以后就可以试试numba的example了。numba的example很简单，Mandelbrot集，链接如下：
https://github.com/harrism/numba_example

最低0.47元/天 解锁文章
cuda导入python_Python中的numba调用cuda报错的解决方法
weixin_29138345的博客
02-06 1385
Python中的numba调用cuda报错如下：........numba.cuda.cudadrv.error.NvvmSupportError: libNVVM cannot be found. Do `conda install cudatoolkit`:/usr/local/cuda10.0/nvvm/lib64/libnvvm.so: cannot open shared object ...
简单的numba + CUDA 实测
风海流的豪赌
05-02 1万+
目录简单的numba + CUDA 实测起因numba + CUDAnumba天生支持NumPy，但是CUDA部分仅提供非常有限的支持CUDA部分代码 简单的numba + CUDA 实测 起因 一时兴起，是我太闲了吧。 最近需要对一个4k图像进行单个像素级别的处理，由于用python用得人有点懒，直接上python在所有像素上循环一遍。每个像素做的工作其实很简单，就是判断一下这个像素是否符合某一...
适合小白的超详细配置CUDA、torch教程（适用于YOLO系列、Unet、PIDNet等模型）（超详细）（GPU版本）
anzhi_1211的博客
03-12 1707
通过以上教程就可以基本配置完调用gpu所需要的基础环境，后续只需根据相关项目需求去安装对应的包就可以，我也会尽快更新在此文章配置基础上复现YOLOv8、Unet、PIDNet等一系列检测和分割代码复现和调用GPU训练自己数据集的教程，还请大家多多关注！！！
从头开始进行CUDA编程：Numba并行编程的基本概念
deephub
11-04 4430
GPU 相对于 CPU 的最大优势是它们能够并行执行相同的指令。单个 CPU 内核将一个接一个地串行运行指令。在 CPU 上进行并行化需要同时使用其多个内核（物理或虚拟）。例如一般的计算机有 4-8 个内核，而GPU 拥有数千个计算核心。有关这两者的比较，请参见下面的图 1。GPU 内核通常速度较慢，且只能执行简单的指令，但它们的数量通常可以弥补这些缺点。GPU 编程有四个主要方面问题：1、理解如何思考和设计并行的算法。因为一些算法是串行设计的，把这些算法并行化可能是很困难的。
【CUDA编程系列】Numba:在python中实现cuda编程
sazass的博客
04-20 867
前言：cuda编程主要是通过cuda将需要运算的数据放入GPU进行运算，GPU多核心，非常适合并行计算，处理图像算法领域的矩阵计算效率非常高。(可为每一个像素点运算分配一个核) 一般的深度学习模型已经可以自动调用CUDA，我们写的底层代码中的矩阵计算也是可以通过cuda编程实现gpu加速的。 （PS:numba除了cuda加速外，用作CPU上的加速和numpy的加速效果也非常好，这章侧重于numba对于cuda的加速） 1.安装环境： 很简单，安装numba库即可pip install cuda 2.简单应
几个环境下的cuda版本
Hunter_pcx的博客
10-17 961
最近在搭建mmdetection3d环境的时候，报了一个cuda相关的错误"CUDA Toolkit 10.2 is unsupported by Numba - 11.2 is the minimum required version"，但是我本地安装的cuda版本是11.3，按道理说不会出现检测到10.2的版本。后来弄懂了，原因是讲cuda版本是要分几个环境的。这个相似的问题包括torch.version.cuda版本与本地安装的cuda版本不一致。
CUDA加速：一文解决numba所有问题
magic_shuang的博客
06-22 8137
一、安装numba 版本一览 os python llvm-dev llvmlite numba ubuntu18 3.6.9 3.9 0.16 0.31 唠叨：numba依赖llvm,所以先安装llvm brew install homebrew/versions/..
Python程序如何用GPU加速：Tesla、CUDA、Numba
漫步量化
12-02 2万+
概念解析 首先要明白，普通的Python代码是无法使用GPU加速的，只能在GPU上跑针对GPU设计的程序。 硬件加速必须要用硬件语言实现。 查询Python+GPU关键字，除了TensorFlow，另外出镜率比较高的几个概念是：Numba、CUDA、PyCUDA、minpy。 要理解这些，需要对Python的理解更底层一些。 关于计算机的一些底层实现，参见： 《编译型语言与解释型语言如何在计算...
Linux 配置Python开发环境、安装CUDA、cuDNN
星云
07-13 896
我系统是Ubuntu 20.04。 sudo apt-get install pip sudo pip install virtualenv virtualenv .pyenv/python3/myenv source ~/.bashrc source .pyenv/python3/myenv/bin/activate 大致下载安装pip然后再安装一个库，习惯性更一下环境变量（不更也没啥事），最后启动环境。 ...
Python通过Numba实现GPU加速
漫步量化
12-03 1万+
Python与GPU Python作为解释型语言，.py文件一般是没法直接用GPU加速的，关于Python与GPU的结合点，以及GPU、CPU、CUDA、多核、并行、机器码…等底层实现，参考： 《Python程序如何用GPU加速：Tesla、CUDA、Numba》 《计算机底层运转机制：多核、缓存、CPU、CU、ALU、Cache》 《编译型语言与解释型语言如何在计算机底层运行》 Numb...
NvvmSupportError: libNVVM cannot be found. Do conda install cudatoolkit: library nvvm not found问题解决
qq_35971623的博客
03-24 1948
在环境变量中添加 NUMBAPRO_NVVM = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\nvvm\bin\nvvm64_40_0.dll NUMBAPRO_LIBDEVICE = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\nvvm\libdevice\ 原始参考出处：python - libNVVM cannot be found - Stack
超过Numpy的速度有多难？试试Numba的GPU加速
Dechin的博客
08-24 738
技术背景 Numpy是在Python中非常常用的一个库，不仅具有良好的接口文档和生态，还具备了最顶级的性能，这个库很大程度上的弥补了Python本身性能上的缺陷。虽然我们也可以自己使用Cython或者是在Python中调用C++的动态链接库，但是我们自己实现的方法不一定有Numpy实现的快，这得益于Numpy对于SIMD等技术的深入实现，把CPU的性能发挥到了极致。因此我们只能考虑弯道超车，尝试...
python安装numba_Jetson Nano安装Numba遇到的一些坑
weixin_39798031的博客
12-03 1789
一开始简单粗暴的pip3 install numba,结果安装llvmlite时候报错。然后百度，参考了CSDN上的一篇博客以下为博客中内容：首先numba安装需要依赖包llvmlite，llvmlite又需要安装llvm本次安装numba版本为0.31.0，llvmlite版本为0.16.0，llvm版本为3.9首先安装llvm-3.9，命令为sudo apt-get install llvm-...
numba CUDA报错
weixin_44737922的博客
03-15 1995
先打开cmd控制面板，输入nvcc --version，确认电脑上没有cuda 打开nvidia控制面板，看到显卡型号是3050 在帮助–系统信息下打开弹窗，在“组件”下找到CUDA版本，可以看到要下载的是11.4.1版本的 打开nvidia的官方cuda下载地址，找到11.4.1下载 选择深绿色的部分，开始下载 下载后按照默认设置安装即可，其中解压地址可以随便选，安装完之后会把解压的中间文件删除。 重启之后，在cmd中输入命令nvcc --version，发现安装成功 接下来吧cuda添加进环
安装CUDA Toolkit(完整版)
热门推荐
tanking66的博客
09-04 2万+
我之前已经通过codna的方式安装了cuda toolkit来支持深度学习的训练，也可以输出torch.cuda.is_available()，证明pytorch是可以调用cuda的，但是我在使用CUDA EXTENSION的时候提示找不到CUDA，后来查询后发现CUDA的安装方式不同，CUDA也不同，关于这种不同，详情请查看这篇博客系统：Ubuntu 20.04架构:x86_64显卡：4070Ti驱动版本:535.154.05。
10个使用Numba CUDA进行编程的例子
东方佑
07-14 342
【代码】10个使用Numba CUDA进行编程的例子。
CUDA学习：Windows下的CUDA环境配置
weixin_43788327的博客
07-16 2万+
Windows环境下的CUDA配置
RTX3090 cuda12 numba报错
QiuFeng_WHJ的博客
06-09 1382
cuda12和numba不兼容
【解决问题】记录一些烦人的问题及解决方式（持续更新 | 自用）
weixin_43799388的博客
10-05 1320
记录一些烦人的问题及解决方式（持续更新 | 自用）
更新numba
最新发布
03-31
用户引用了几个关于Numba和CUDA环境配置的内容，例如使用conda创建环境，安装Numba的方法，以及Numba的基本应用[^2][^4][^5]。不过，这些引用主要涉及安装和配置，没有直接提到更新方法。 接下来，我应该根据常见的...
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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