VS+CUDA+Matlab环境配置经验 (达到用matlab使用nvcc进行gpu并行加速)

前前后后配了一个多星期的环境,终于完成了,梳理一下我的经验给大家分享也留作以后参考。

 

一、     版本兼容性问题

  一开始安装的时候我并不懂,没有什么顺序和版本的概念,所以各种组件不能相互支持。首先明确,cuda基于C++,需要检测到cl.exe编译器,在安装时会基于检测到的vs版本安装组件支持。Matlab基于C++编译器来连接cuda,所以最后安装。

VS

CUDA

Matlab

2013

7.5

2016a

2017(及之前所有)

9.0

2018a

VS2013在C:\Program Files (x86)和C:\Program Files 只会有Microsoft Visual Studio11.0和12.0,windows kits到8.0、8.1,VS2015到了14.0,VS2017单独还会有一个文件夹叫做VS2017,所以如果要卸载重装最好把这些文件夹手动删干净,不然残留会导致一些路径上的错误。

 

同时在控制面板里也要找一下相应的组件,把高于安装的版本的组件卸载。

 

二、     按部就班安装,边安边测试

 

1、VS是根本

  建议下载在线安装包,组件全。C++相关的组件一定要勾选安装,安装完成后,按照教程简单的在VS里编译一个helloworld(build-startwithout debugging)确保VS安装好了

常见问题就是需要添加cl.exe、lib、include的路径

2、CUDA

  安装时注意它有没有检测到VS并且安装组件,最后launch samples,进入示例nbody。

 在VS中打开nbody,如果能跑,说明VS+CUDA环境安装好了。

3、Matlab

最后在matlab中检测环境按照这篇文章的流程:http://www.th7.cn/program/c/201705/1161099.shtml

 

三、遇到的一些额外问题

1、笔记本双显卡

在运行nbody的时候,显示显卡驱动方面的报错信息,本来在设备里屏蔽集成显卡但是会影响屏幕分辨率,通过设备里升级驱动,解决。

2、debug的时候不选start without debugging 会出现少一堆东西,这是正常的。

 

 

  • 3
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
在Ubuntu上安装显卡驱动、CuDNN、CUDA和PyTorch可以按照以下步骤进行: 1. 安装显卡驱动:可以通过以下几种方式安装显卡驱动: - 通过"Software & Updates"工具在“Additional Drivers”选项卡中选择一个适用于您的显卡型号的驱动程序,并点击“Apply Changes”进行安装。 - 通过命令行使用`ubuntu-drivers devices`命令查看可用的驱动,然后使用`sudo ubuntu-drivers autoinstall`命令自动安装推荐的驱动。 2. 安装CuDNN:CuDNN是NVIDIA加速库,可提供用于深度学习的GPU加速功能。可以按照以下步骤安装CuDNN: - 前往NVIDIA官方网站,下载适用于您的CUDA版本的CuDNN压缩文件(通常需要注册NVIDIA开发者账号)。 - 将CuDNN压缩文件解压缩到一个合适的位置,例如`~/cuda`文件夹。 - 打开终端,使用`cd`命令进入CuDNN解压缩文件的路径,并执行以下命令安装CuDNN: ``` sudo cp cuda/include/cudnn*.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* ``` 3. 安装CUDACUDA是用于在NVIDIA GPU进行并行计算的平行计算平台和API。可以按照以下步骤安装CUDA: - 前往NVIDIA官方网站,选择适用于您的显卡和操作系统的CUDA版本,并下载对应的运行文件(通常需要注册NVIDIA开发者账号)。 - 打开终端,使用`cd`命令进入CUDA运行文件所在的目录,并执行以下命令安装CUDA: ``` sudo sh cuda*.run ``` - 执行安装向导中的步骤,根据提示进行安装配置,包括选择安装路径和设置环境变量。 - 安装完成后,可以通过执行`nvcc --version`命令验证CUDA安装情况。 4. 安装PyTorch:PyTorch是一个用于构建深度学习模型的开源Python库。可以按照以下方式安装PyTorch: - 打开终端,执行以下命令安装PyTorch: ``` pip install torch torchvision ``` - 在安装过程中,可能需要下载和编译一些依赖项。请耐心等待安装完成。 安装完成后,您可以在Ubuntu上使用显卡驱动、CuDNN、CUDA和PyTorch进行深度学习任务。

“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 5
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
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