cuda linux编译器_CUDA与Linux系统

CUDA与Linux系统

目录

1. CUDA安装

在Linux系统上安装CUDA toolkit需要下载两个包：驱动和toolkit

cuda_7.0.28_linux.run

NVIDIA-Linux-x86_64-352.41.run

1.1 安装toolkit

toolkit包中提供多项功能，有显卡驱动、toolkit和samples；安装过程为：

退出X server：在控制终端执行命令：init 3；

启动安装包：执行命令：sh cuda_7.0.28_linux.run;

跳出安装须知：执行命令：strl + C，并输入accept；

不进行显卡驱动安装：在第一个选项中输入命令：N

其它选项：其它选项都选择Y或者直接回车。

添加环境变量：在~/.bashrc文件中添加如下两行

PATH=/usr/local/cuda-7.0/bin:$PATH

LD_LIBRARY_PATH=/usr/local/cuda-7.0/lib64:$LD_LIBRARY_PATH

参考文献：CUDA_Getting_Started_Linux.pdf

1.2 安装显卡驱动

本来CUDA toolkit中自带显卡驱动，但是由于自动安装显卡驱动后，导致Linux系统图形界面无法启动，所以需要手动下载和安装显卡驱动，其安装过程为：

退出图形界面：运行命令为：init 3；

启动：启动驱动文件，命令为：sh NVIDIA-Linux-x86_64-352.41.run -a;

配置：安装完成后，会提示是否运行nvidia显卡工具来自动更新xorg.conf文件，选择"Yes"；

返回图形界面：在显卡安装完成后，返回图形界面，命令为：startx；

参考文献：Linux下，手动安装NVIDIA显卡官方驱动；

2. 调式工具：CUDA GDB

对于CUDA的调式工具GDB，需要使用GPU的设备。但是当在图形界面时，GPU设备已经被占用着，所以若需要使用CUDA GDB需要退出X server，进入init 3。其使用过程为：

退出X server：在终端执行命令：init 3

编译：若源程序为：pmandel.cu，编译命令可以为：nvcc -g -G pmandel.cu -o pamandel;若是有makefile文件，则也可执行命令：make。如图5所示。

图1

启动GDB：执行命令：cuda-gdb pmandel；如图6所示。

图2

设置断点：可以在任何函数或行设置断点，如执行命令：break main；或break 21；

开始调式：执行命令为：run；

继续执行：可以执行命令：continue，或是：C；如图7所示。

图3

单步执行：命令为：next，或是：n

显示信息：可以执行命令：info cuda Commands，其中的Commands可以是threads、blocks、warps和contexts等命令，其它信息可参考《cuda-gdb.pdf》。如图8所示。

图4

参考文献：cuda-gdb.pdf

3. 分析工具：CUDA Profile

3.1 Visual Profiler：图形化

Visual Profiler是NVIDIA提供的图形化分析工具，其在成功安装CUDA toolkit后，就能够使用。通过Profiler能够对CUDA 应用的CPU和GPU的时间节点进行分析，并能够调优CUDA应用的性能。Visual Profiler的简单使用方法如下所示：

1. 启动：在控制终端输入命令：nvvp；如图5所示的启动后界面。

图5

2. 新建session：其创建入口为：FileàNew Session，如图6所示是新建Session对话框，在该对话框中的File输入框中输入需被分析的可执行文件。

图6

3. 分析结果：在新建Session对话框中输入相应的可执行文件后，就能产生分析结果，如图7所示。

图7

3.2 nvprof Profiler：命令行

通过nvprof可以以命令行的形式分析和调优CUDA应用程序。nvprof的使用形式是：

nvprof    [options] [CUDA-application]    [application-arguments]

1) summary模型

这是nvprof的默认模型，在这个模型中只简单输出核函数和CUDA内存复制性能。如对于需要被测试的可执行文件boxFilterNPP，可直接执行命令：nvprof boxFilterNPP。如图 8所示的结果。

图8

2) GPU-Trace和API-Trace模型

这个模型能够以时间轴顺序提供所有在GPU发生的活动点，每个核函数的执行或是复制/赋值都能够详细的显示。如图 9所示。

图9

3) Event/metric Summary模型

通过这个模型能够在指定的NVIDIA GPU上显示所有可用的Event/metric，

图10

4) Event/metric Trace Mode

通过这个模型能够显示每个核函数的event和metric值。如图11所示。

图11

参考文献：CUDA_Profiler_Users_Guide.pdf

4. 集成工具：nsight Eclipse

4.1 CUDA编辑器

Linux中也有CUDA的集成开发工具nsight。其中在CUDA toolkit中自带nsight，所以当成功安装toolkit后，就可以启动nsight。其使用过程为：

1) 启动：在终端中输入：nsight；如图1所示是启动后的nsight界面。

图12

2) 创建项目：在nsight界面中：FileàProjectàCUDA c/c++ projectàExecutableà其中一项，如图2所示的Executable选项。

图13

3) 编译：创建可执行文件：右击项目àBuild Project;如图3所示。

图14

4) 执行：右击项目àRun AsàCocal c/c++ Application;如图4所示。

图15

参考文献：nsight_Eclipse_Edition_getting_started.pdf;

4.2 CUDA调试器

nsight也集成了gdb，通过nsight可用非常方便了对cuda程序进行调式。其中若需要进入Debug模型需要退出X server，进入init 3。当单击Debug按钮时，就会自动进入Debug Perpspective, 如图 16所示。其中当进入Debug模式时，就会在main函数中暂停。其中在nsight的工具栏中有四个相关的调式按钮：

Step Info：进入函数；

Step Over：单步执行；

Step Return：退出函数；

Resume：跳到下一断点。

图16

4.3 CUDA性能分析器

nsight同时集成了Profiler的分析工具，当打开一个项目后就能够非常方便了进行性能分析。其分析Perpspective与visual Profiler一样，如图 17所示。

图17

5. nvml库

5.1 安装方式

运行安装完nvml库后，

lib文件安装路径是：/usr/src/gdk/nvml

.h文件的安装路径是：/usr/include/nvidia/gdk/nvml.h

5.2 使用方式

lib文件

将/usr/src/gdk/nvml/lib/目录下的两个文件复制到/usr/lib64，并覆盖以前文件。若在项目中需要使用该库，则需添加所以的lib路径，如在nsight项目中按如图18所示进行添加。

图18

.h文件

若在项目中需要使用nvml库，则只需在源程序中包含nvml.h文件，同时在环境中需要添加nvml.h文件所在的路径，如图19所示。

图19