CUDA安装和设备查询代码运行-期末结课报告

最新推荐文章于 2023-12-02 15:57:38 发布
最新推荐文章于 2023-12-02 15:57:38 发布
阅读量456 收藏
点赞数 3
分类专栏： VisualStudio 文章标签： pytorch visual studio
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/weixin_44745548/article/details/122235633
版权

文章目录

前言

此文为CUDA期末结课报告，上传以作备份。

注意事项

务必先安装VS2019再安装CUDA。

1. 安装VS2019

进入官网链接：
下载 - Visual Studio Subscriptions Portal
点击下载
在这里插入图片描述

打开VS2019的安装包
选择安装位置
在这里插入图片描述

等待安装完成

2. 更新显卡驱动

右键此电脑->管理->设备管理器，查看显卡型号
在这里插入图片描述

显卡位GTX1050
根据显卡型号更新显卡驱动
下载驱动程序|英伟达 (nvidia.com)
在这里插入图片描述

打开NBVIDIA控制面板
在这里插入图片描述

查看支持CUDA版本
在这里插入图片描述

可以看到现在支持CUDA11.5版本

3. 安装CUDA

打开官网链接下载CUDA11.5
CUDA 工具包存档|英伟达开发者 (nvidia.cn)
在这里插入图片描述

运行CUDA安装程序

在这里插入图片描述
此处默认安装到C盘，可以自行更换到合适位置
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述在这里插入图片描述

在这里插入图片描述

4. 运行程序

打开CUDA示例

在这里插入图片描述

点击deviceQuery_vs2019.sln启动项目
在这里插入图片描述

运行程序

在这里插入图片描述
在这里插入图片描述

TwilightPureDrm
关注
  • 3
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
CUDA编程之我的第一份代码
deep_love1314的博客
06-09 319
参考： 我的第一份CUDA代码 一、前言 这是一份简单的CUDA编程入门，主要参考英伟达的官方文档进行学习，本人也是刚开始学习，如有表述错误，还请指出。官方文档链接如下： https://developer.nvidia.com/blog/even-easier-introduction-cuda/ 本文先从一份简单的C++代码开始，然后逐步介绍如何将C++代码转换为CUDA代码，以及对转换前后程序的运行时间进行对比，本文代码放在我的github中，有需要可以自取。 https://gith
cuda检测工具 devicequery.zip（不含源代码，源代码在cuda sdk 8.0里）
08-12
cuda检测工具 devicequery.zip（不含源代码，源代码在cuda sdk 8.0里） deviceQuery.exe Starting... CUDA Device Query (Runtime API) version (CUDART static linking) Detected 1 CUDA Capable device(s) Device 0: "GeForce GTX 760" CUDA Driver Version / Runtime Version 9.2 / 8.0 CUDA Capability Major/Minor version number: 3.0 Total amount of global memory: 2048 MBytes (2147483648 bytes) ( 6) Multiprocessors, (192) CUDA Cores/MP: 1152 CUDA Cores GPU Max Clock rate: 1137 MHz (1.14 GHz) Memory Clock rate: 3004 Mhz Memory Bus Width: 256-bit L2 Cache Size: 524288 bytes Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096) Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers Total amount of constant memory: 65536 bytes Total amount of shared memory per block: 49152 bytes Total number of registers available per block: 65536 Warp size: 32 Maximum number of threads per multiprocessor: 2048 Maximum number of threads per block: 1024 Max dimension size of a thread block (x,y,z): (1024, 1024, 64) Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535) Maximum memory pitch: 2147483647 bytes Texture alignment: 512 bytes Concurrent copy and kernel execution: Yes with 1 copy engine(s) Run time limit on kernels: Yes Integrated GPU sharing Host Memory: No Support host page-locked memory mapping: Yes Alignment requirement for Surfaces: Yes Device has ECC support: Disabled CUDA Device Driver Mode (TCC or WDDM): WDDM (Windows Display Driver Model)
CUDA（五）用deviceQuery看GPU属性
weixin_34370347的博客
08-22 1459
在CUDA安装好后可以用DeviceQuery看一下GPU的相关属性，从而对GPU有一定了解，有助于今后的CUDA编程。 #include "cuda_runtime.h" #include "device_launch_parameters.h" #include<stdio.h> #include<stdl...
linux cuda查询设备信息,CUDA编程——设备属性信息的查询
weixin_36365168的博客
05-10 131
CUDA的目的就是将大量的计算分配给GPU进行快速运算来节省时间。我们希望在设备上(显卡)上分配内存和执行代码，当今的显卡可能包含多个GPU。如，某些NVIDIA产品-GeForce GTX TITAN X，就是在单块卡上包含两个GPU，所以装配该显卡的计算机拥有两个支持CUDA的处理器。从CUDA3.0开始，在cudaDeviceProp结构中包含了以下信息:struct cudaDeviceP...
cuda检测工具 devicequery.exe
08-03
deviceQuery.exe Starting... CUDA Device Query (Runtime API) version (CUDART static linking) Detected 1 CUDA Capable device(s) Device 0: "GeForce GTX 650" CUDA Driver Version / Runtime Version 9.1 / 8.0 CUDA Capability Major/Minor version number: 3.0 Total amount of global memory: 2048 MBytes (2147483648 bytes) ( 2) Multiprocessors, (192) CUDA Cores/MP: 384 CUDA Cores GPU Max Clock rate: 1072 MHz (1.07 GHz) Memory Clock rate: 2500 Mhz Memory Bus Width: 128-bit L2 Cache Size: 262144 bytes Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096) Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers Total amount of constant memory: 65536 bytes Total amount of shared memory per block: 49152 bytes Total number of registers available per block: 65536 Warp size: 32 Maximum number of threads per multiprocessor: 2048 Maximum number of threads per block: 1024 Max dimension size of a thread block (x,y,z): (1024, 1024, 64) Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535) Maximum memory pitch: 2147483647 bytes Texture alignment: 512 bytes Concurrent copy and kernel execution: Yes with 1 copy engine(s) Run time limit on kernels: Yes Integrated GPU sharing Host Memory: No Support host page-locked memory mapping: Yes Alignment requirement for Surfaces: Yes Device has ECC support: Disabled CUDA Device Driver Mode (TCC or WDDM): WDDM (Windows Display Driver Model) Device supports Unified Addressing (UVA): Yes Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0 Compute Mode: deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.1, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = GeForce GTX 650 Result = PASS
基于CUDA和cuDNN加速的BasicVSR视频超分设计Python源码(含实验报告).zip
12-28
基于CUDA和cuDNN加速的BasicVSR视频超分设计Python源码(含实验报告).zip 基于CUDA和cuDNN加速的BasicVSR视频超分设计Python源码(含实验报告).zip 基于CUDA和cuDNN加速的BasicVSR视频超分设计Python源码(含实验报告)....
基于matlab的dftregistration函数解决由于外部因素导致的图像错位+矫正（CUDA版本和C++版本）.zip
最新发布
02-28
1、该资源内项目代码经过严格调试，下载即用确保可以运行！ 2、该资源适合计算机相关专业(如计科、人工智能、大数据、数学、电子信息等)正在做课程设计、期末大作业和毕设项目的学生、或者相关技术学习者作为学习...
2020-2021第二学期《GPU程序设计》期末考试1
08-04
在CUDA编程中，程序员需要定义__global__函数来指定在GPU上运行的计算任务，并通过blockDim.x、gridDim.x等参数来指定线程块的尺寸和网格的尺寸。 二、共享内存模型及冲突解决 共享内存是存在于每个线程块内部的...
2019年春季学期并行计算期末考试-徐云1
08-03
并行计算是计算机科学中的一个重要领域，它涉及如何在多个处理器或计算单元之间分配和协调任务，以提高计算效率和性能。以下是对给定文件中提到的一些知识点的详细解释： 1. **并行计算体系结构**： - PRAM...
计算机组成原理本科生15套期末试卷和答案
01-08
计算机组成原理是计算机科学与技术专业的一门核心课程，它主要研究计算机系统的基本组成和工作原理，涵盖了数据表示、运算器、控制器、存储器、输入/输出设备等关键部分。以下将详细介绍这些知识点： 1. **数据表示...
【cuda编程】CUDA的运行方式以及grid、block结构关系
非晚非晚的博客
10-26 3289
从GPU至线程的关系依次为：显卡（GPU）->网格（grid）->线程块（block）->线程（thread） 。从网格开始最大为3维，当然也可以1维了。 网格(grid)：一个内核函数(kernel)就是一个网格，里面所有线程都在这个网格范围内，里面的线程共享全局内存空间 线程块(block)：一个网格可以包含很多个block，block之间可以通过“同步”和“共享内存”进行协作，block之间的区分通过“blockIdx” 线程(thread)：一个线程块可以包含很多个thread，thread之间区
CUDA简介, 配置和运行第一个CUDA程序（Windows和Linux）
qq_74083422的博客
12-02 1万+
CUDA保姆级配置教程和运行测试
用deviceQuery查看GPU状态
han_hhh的博客
09-15 2083
用xshell连接服务器 执行deviceQuery命令 cuda的deviceQuery命令位置：/usr/local/cuda-10.2/samples/1_Utilities/deviceQuery 将deviceQuery文件夹复制到目标位置 cp /usr/local/cuda-10.2/samples/1_Utilities/deviceQuery /jnhan 用make编译 make 此时，deviceQuery目录下会生成可执行文件deviceQuery，执行 ./deviceQue
cuda知识点
weixin_42764932的博客
06-15 190
1.每个线程块的最大线程数为1024
CUDA并行编程入门：在Visual Studio中实现GPU版本Hello world
Elwin的博客
04-02 3721
一个简单的CUDA入门代码
windows10搭建CUDA环境并运行示例
Charles Ren's Tech Blog
03-25 4006
文章目录1. 配置检查2. 安装vs3. 安装CUDA4. 检测CUDA是否安装成功5. 配置VS开发环境运行CUDA 1. 配置检查 我的笔记本配置是windows 10 + nvida geforce MX350 进入cmd输入nvidia-smi 就可以查看到当前显卡支持的最低CUDA版本号 可以看到支持最低11.4 那么我们需要下载CUDA 11.4以上版本 安装CUDA之前一定更要先安装VS。 我之前就是先安装的CUDA结果VS找不到CUDA依赖。 2. 安装vs 我下载的是 社区版是免费的，
计算机体系结构期末考试试卷及答案
热门推荐
轮子去哪儿了
02-21 1万+
计算机体系结构期末考试试卷及答案 1/9/2019 4:08:50 PM ：添加选择 1/9/2019 10:15:35 AM ： 添加部分简答题 一、选择题（20*2分） 1.下面哪一种闸述是计算机系统结构的经典定义（D） A. 是计算机机箱的结构 B. 是处理器的结构 C. 是外存情的结构 D. 程序员所看到的计算机属性,即概念性结构与功能特性 2.下列关于计算机系统结构、 计算机组...
CUDA加速计算项目采坑总结
英勇的少年图
03-03 3346
CUDA加速运算项目采坑总结 本篇博客主要记录研一上期末考试后，完成CUDA加速计算项目(C++)的采坑旅程。 1.Nsight5.2 BUG 不支持gtx1050和gtx1050Ti Nsight是N厂开发用来配合Visual Studio调试GPU（device端）内存的插件。这个BUG，NVIDIA负全责。Nsight一般会随cuda的安装配套安装（我的cuda是8.0，配套N...
读书笔记 - CUDA编程指南5.0 + 练习编译运行 01
参谋谋的博客
06-19 979
前言：会根据CUDA编程指南一点点更新，欢迎讨论。图形处理的需求，推动可编程图形处理器（GPU）向着高并行度和多线程演化。从图形处理走向通用并行计算。GPU和CPU浮点计算能力的差异: GPU并行度高，晶体管更多用于数据处理而非缓存和流控。数据并行处理：将数据映射到并行处理的线程上，并进行加速。CUDA：一种通用并行计算架构CUDA核心的三个重点抽象（能提供犀利的的数据、任务并行）：线程组层次、共享存储器和栅栏同步threadIdx是一个有三个分量的向量(1d,2d,3d) 以上为两段代码,分别是一维向量和
安装tensorflow-gpu和cuda
07-28
可以在安装完成后，进入创建的虚拟环境，运行一段简单的tensorflow-gpu代码来验证是否安装成功\[3\]。 请注意，以上步骤仅供参考，具体安装过程可能因个人电脑环境和需求而有所不同。建议在安装前仔细阅读官方文档...

“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 2
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

打赏作者

TwilightPureDrm

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