NVIDIA V100 GPU 性能测试数据

1. 常用2U 服务器配备有8张nvidia tesla  V100 GPU卡，性能测试结果说明：

如果你具有一台服务器，并且购买了超强计算能力的GPU卡，那么恭喜你，可以进行一次关于计算机超万亿次计算能力的体验。

接下来是您要做的：

1. 装驱动

首先在nvidia官网下载并且安装该卡该型号的驱动。

2. 继续安装CUDA包。 

我们来说说CUDA包是干嘛的，首先大家都知道，驱动，就是对应硬件设备的使能软件，那么为什么又需要cuda这个东西呢。

因为我们要使用GPU的话，是为了把应用程序跑到GPU上面，那么，就只能通过nvidia他自己提供的API，以及lib库，来使用它的GPU。

可以看到下面这张图，从下至上，从屋里设备到应用加速，其中涉及的很多中间件。

CUDA包中，包含了对应的驱动，如果会使用到CUDA的话，可以只下载对应OS版本的CUDA包也没有问题。但是请注意，如果使用的为V100的卡，请使用最新的cuda9.0的包。

3.  相关信息查看。

安装完成之后，

使用 nvidia-,按tab，来查看nvidia相关的一些相关命令，

nvidia-smi： 而其中最常用的就是nvidia-smi 这个命令，可以查看一下帮助文档。这个命令会打印每张卡的温度，内存利用，GPU利用率，功耗，执行的任务，等等。

note：如果您没有发现该命令，  请确认，是否使用了yum localinstall *.rpm 进行了本地安装，提示安装完成了，但在此之后，并没有把很多相关依赖的包进行安装，进入

/etc/yum.repos.d/ 目录，此时，多了一个yum源的配置文件，叫cudaxxx,查看内容，会发现，它指向了/var/路径，进入到此路径之后，发现会有一大批的包没有安装，

此时，把所有的包都进行安装，才是安装完成。

4.测试

要进行测试的话，其实很简单，cuda它本身提供了很多的sample程序，并且其中的一个cublas，也是用来进行测试GPU计算能力的程序。

当然，你也可以对这些程序进行参考，写自己的程序。

下面我们来跑一个例子，进入到目录：/usr/local/cuda-9.0/samples/5_simulations/

可以看到，其中有一个nbody程序的文件夹，

这个程序，是对物理学中N个质子，说白了就是N个物体，进行互相之间的万有引力计算，会涉及很对大量的单双精度浮点的计算，该程序就是实现了这个计算过程，并且调用了GPU，还可以让用户通过命令行参数，来控制程序执行的过程。

cd ./nbody  进入到该文件夹。

make

执行：./nbody -benchmark 

。此时可以看到程序执行了，并且会打印出来一些可选的参数，如果要使用8个卡均执行的话，那就在Linux上面执行8个进程，每个进程分别绑定到单卡即可。

具体值如下：

9958.723
9942.739
9919.522
9852.494
9757.071
9717.97
9670.115
9592.821

根据官方提供的10.6TFLOPS的理论性能值，以及官网描述的能够达到80%的实际测量值即可，可知，这些测量数据，是性能几乎接近了理论值，达到了94%的性能。

接下来会写一篇关于GPU 卡直通的博客，欢迎继续关注。

今天在装了一个boost等一堆rpm包之后，

gpu的性能已经跑到了标准值。

结果如下：

= 10426.414 single-precision GFLOP/s at 20 flops per interaction
= 10417.990 single-precision GFLOP/s at 20 flops per interaction
= 10424.031 single-precision GFLOP/s at 20 flops per interaction
= 10413.620 single-precision GFLOP/s at 20 flops per interaction
= 10415.790 single-precision GFLOP/s at 20 flops per interaction
= 10408.605 single-precision GFLOP/s at 20 flops per interaction
= 10400.214 single-precision GFLOP/s at 20 flops per interaction
= 10392.723 single-precision GFLOP/s at 20 flops per interaction