En ny version af API til grafisk programmering til generelle formål NVIDIA CUDA 10.2, næsten ti måneder efter version 10.1. Dette bibliotek inkluderer tilføjelse af en komplet API til styring af virtuel hukommelse på grafikkortet med mere præcise funktioner til hukommelsesallokering og hukommelsesadresseområder.
Cuda er en parallel computerplatform oprettet af Nvidia der kan bruges til at øge ydeevnen ved at udnytte kraften i grafikbehandlingsenheden (GPU) i dit system. Cuda er et softwarelag giver softwareudviklere adgang til GPU's virtuelle instruktions sæt og til de parallelle beregningselementer til udførelse af computerkerne.
CUDA prøv at udnytte fordelene ved GPU'er i forhold til CPU'er generelle formål ved hjælp af den parallelisme, der tilbydes af dens flere kerner, som tillader lanceringen af et meget stort antal samtidige tråde.
Derfor, hvis en applikation er designet ved hjælp af flere tråde, der udfører uafhængige opgaver (hvilket er, hvad GPU'er gør, når de behandler grafik, deres naturlige opgave), vil en GPU være i stand til at tilbyde god ydelse.
Hvad er nyt i Nvidia CUDA 10.2?
Denne version er fyldt med biblioteker, der tilbyder ny og udvidet funktionalitet., fejlrettelser og forbedringer af ydeevnen til enkelt- og flere GPU-miljøer.
I denne version tilføjede et nyt interoperabilitetslag af dit operativsystem i realtid (RTOS) til NVIDIA DRIVE OS, kaldet Interoperabilitet med NVIDIA-softwarekommunikationsgrænseflade.
Der er to hovedgrænseflader til rådighed: NvSciBuf til udveksling af komplette hukommelsesområder og NvSciSync til synkronisering. Disse funktioner er i eksemplet.
På niveauet med administrerede platforme, CUDA 10.2 er den nyeste version, der vil være tilgængelig til macOS, Derudover understøttes RHEL 6 ikke længere, da RHEL 2010 slet ikke længere understøttes i den næste version af CUDA (ligesom Microsoft C ++ - kompilatorer 2013 til XNUMX).
Derudover forbereder Nvidia også en lille type på de tilgængelige funktioner. Nu hvor nvJPEG er et separat bibliotek, er de tilsvarende NPP Compression Primitives-funktioner ved at forsvinde.
Af de andre ændringer, der skiller sig ud fra annoncen, Vi kan finde ud af, at ydeevne og skalerbarhed blev forbedret i følgende brugstilfælde:
- Multi-GPU uden 2 transformerende strøm
- R2C og Z2D ulige størrelse transformationer
- 2D-transformationer med små størrelser og et stort antal batcher.
Hvis du vil vide mere om denne nye version af CUDA, kan du høre følgende link.
Hvordan installeres Nvidia CUDA på Ubuntu og derivater?
For at installere CUDA på systemet, det er nødvendigt, at vi har Nvidia-driverne installeret. Hvis du stadig ikke har dem, kan du konsultere den følgende artikel.
Nu som et første skridt vi skal downloade CUDA installations script, som vi kan få fra en terminal ved at skrive følgende kommando:
wget http://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run
Færdiggjort dette nu vi er nødt til at give eksekveringstilladelser til scriptet med:
sudo chmod +x cuda_10.2.89_440.33.01_linux.run
Vi installerer nogle nødvendige pakker.
sudo apt-get install gcc-6 g++-6 linux-headers-$(uname -r) -y sudo apt-get install freeglut3 freeglut3-dev libxi-dev libxmu-dev
Og nu skal vi køre scriptet med:
sudo sh cuda_10.2.89_440.33.01_linux.run
Under installationsprocessen vi bliver stillet nogle spørgsmål hvoraf vi bliver nødt til at svare, dybest set spørger det os, om vi accepterer brugsbetingelserne, hvis vi blandt andet vil ændre standardkataloget.
Hvor de skal være opmærksomme, når de bliver spurgt, om du vil installere Nvidia-drivere hvor de vil svare nej, da de skal have dem installeret.
Når du er færdig med installationen, de skal bare indstille deres miljøvariabler i den fil, som vi skal oprette i den følgende sti /etc/profile.d/cuda.sh.
sudo nano /etc/profile.d/cuda.sh
Og i vi vil placere følgende indhold:
export PATH=$PATH:/usr/local/cuda/bin export CUDADIR=/usr/local/cuda
De opretter også filen:
sudo nano /etc/ld.so.conf.d/cuda.conf
Og vi tilføjer linjen:
/usr/local/cuda/lib64
Og til sidst udfører vi:
export PATH=/usr/local/cuda-10.2/bin:/usr/local/cuda-10.2/NsightCompute-2019.1${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64\
${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
sudo ldconfig