ची नवीन आवृत्ती सामान्य हेतू ग्राफिक्स प्रोग्रामिंग API एनव्हीआयडीए कुडा 10.2, आवृत्ती 10.1 नंतर जवळजवळ दहा महिने. हे वाचनालय व्हर्च्युअल मेमरी व्यवस्थापनासाठी संपूर्ण एपीआय समाविष्ट करणे समाविष्ट करते मेमरी वाटप आणि मेमरी अ‍ॅड्रेस रेंजसाठी अधिक अचूक फंक्शन्ससह ग्राफिक्स कार्डवर.
कुडा एक समांतर कॉम्प्यूटिंग प्लॅटफॉर्म आहे जो एनव्हीडियाने बनविला आहे ज्याचा वापर आपल्या सिस्टममधील ग्राफिक्स प्रोसेसिंग युनिट (जीपीयू) च्या सामर्थ्याद्वारे कार्यक्षमता वाढविण्यासाठी केला जाऊ शकतो. कुडा हा एक सॉफ्टवेयर लेयर आहे सॉफ्टवेअर विकासकांना GPU च्या आभासी सूचना संचात प्रवेश करण्याची परवानगी आणि संगणकीय कोर कार्यान्वित करण्यासाठी समांतर संगणकीय घटकांना.
CUDA सीपीयूवर जीपीयूच्या फायद्यांचा उपयोग करण्याचा प्रयत्न करा सामान्य हेतू त्याच्या एकाधिक कोरद्वारे ऑफर केलेला समांतरता वापरणे, जे एकाच वेळी बरेच थ्रेड एकाच वेळी सुरू करण्यास अनुमती देते.
म्हणूनच, एखादे अनुप्रयोग एकाधिक थ्रेड्स वापरून स्वतंत्रपणे कार्य केले गेले आहेत (ग्राफिकवर प्रक्रिया करताना GPUs काय करतात, त्यांचे नैसर्गिक कार्य), एक GPU उत्कृष्ट कार्यक्षमता ऑफर करण्यास सक्षम असेल.
Nvidia CUDA 10.2 मध्ये काय नवीन आहे?
ही आवृत्ती नवीन आणि विस्तारित कार्यक्षमता ऑफर करणार्‍या लायब्ररीत भरली आहे., एकल आणि एकाधिक GPU वातावरणात दोष निराकरणे आणि कार्यप्रदर्शन सुधारणा.
या आवृत्तीत चा नवीन इंटरऑपरेबिलिटी लेयर जोडला रिअल टाइम मध्ये आपली ऑपरेटिंग सिस्टम (आरटीओएस) एनव्हीआयडीए ड्राईव्ह ओएससाठीम्हणतात एनव्हीआयडीए सॉफ्टवेअर कम्युनिकेशन इंटरफेस इंटरऑपरेबिलिटी.
तेथे दोन मुख्य इंटरफेस उपलब्ध आहेत: संपूर्ण मेमरी एरियाच्या एक्सचेंजसाठी एनव्हीएससीबुफ आणि सिंक्रोनाइझेशनसाठी एनव्हीएससीसिंक. ही वैशिष्ट्ये पूर्वावलोकनात आहेत.
व्यवस्थापित प्लॅटफॉर्मच्या स्तरावर, कुडा 10.2 ही नवीनतम आवृत्ती आहे जी मॅकोससाठी उपलब्ध असेल, याव्यतिरिक्त, आरएचईएल 6 यापुढे समर्थित नसेल कारण आरएचईएल 2010 यापुढे कुडाच्या पुढील आवृत्तीमध्ये (मायक्रोसॉफ्ट सी ++ कंपाईलर्स 2013 ते XNUMX प्रमाणेच) समर्थित होणार नाही.
त्याव्यतिरिक्त एनव्हीडिया उपलब्ध फंक्शन्सवर एक छोटासा प्रकारही तयार करते. आता एनव्हीजेपीईजी ही एक वेगळी लायब्ररी आहे, त्या अनुषंगाने संबंधित एनपीपी कॉम्प्रेशन प्रीमिटिव्ह फंक्शन्स अदृश्य होणार आहेत.
जाहिरातींमधील इतर बदलांपैकी, आम्हाला असे आढळले आहे की खालील वापर प्रकरणांमध्ये कार्यक्षमता आणि स्केलेबिलिटी सुधारित केली गेली आहे:
- 2 ट्रान्सफॉर्म शक्तीशिवाय मल्टी-जीपीयू
- आर 2 सी आणि झेड 2 डी विचित्र-आकाराचे परिवर्तन
- लहान आकार आणि मोठ्या संख्येने बॅचेसह 2 डी रूपांतरणे.
आपण कुडाच्या या नवीन आवृत्तीबद्दल अधिक जाणून घेऊ इच्छित असल्यास आपण सल्लामसलत करू शकता खालील दुवा.
उबंटू आणि डेरिव्हेटिव्ह्ज वर एनव्हीडिया सीयूडीए कसे स्थापित करावे?
सिस्टमवर सीयूडीए स्थापित करण्यासाठी, आमच्याकडे एनव्हीडिया ड्रायव्हर्स असणे आवश्यक आहे स्थापित. आपल्याकडे अद्याप नसल्यास आपण सल्ला घेऊ शकता पुढील लेख.
आता पहिली पायरी म्हणून आम्ही CUDA स्थापना स्क्रिप्ट डाउनलोड करणे आवश्यक आहेटर्मिनल वरुन पुढील कमांड टाईप करू.
wget http://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run
आता हे पूर्ण झाले आम्हाला यासह स्क्रिप्टला अंमलबजावणी परवानग्या द्याव्या लागतील:
sudo chmod +x cuda_10.2.89_440.33.01_linux.run
आम्ही काही आवश्यक पॅकेजेस स्थापित करणार आहोत.
sudo apt-get install gcc-6 g++-6 linux-headers-$(uname -r) -y sudo apt-get install freeglut3 freeglut3-dev libxi-dev libxmu-dev
आणि आता आपण यासह स्क्रिप्ट चालवित आहोत.
sudo sh cuda_10.2.89_440.33.01_linux.run
स्थापना प्रक्रियेदरम्यान आम्हाला काही प्रश्न विचारले जातील ज्याचे आम्हाला उत्तर द्यावे लागेल, मुळात ते आम्हाला इतर गोष्टींबरोबरच डीफॉल्ट निर्देशिका बदलू इच्छित असल्यास आम्ही वापरण्याच्या अटी मान्य करतो का ते विचारेल.
कोठे आपण एनव्हीडिया ड्राइव्हर्स् प्रतिष्ठापीत करू इच्छित असल्यास त्यांना विचारले जाते तेव्हा त्यांनी लक्ष दिले पाहिजे ते स्थापित केलेच पाहिजेत म्हणून ते कोठेही उत्तर देणार नाहीत.
आपण स्थापना पूर्ण केल्यानंतर, त्यांना फक्त त्यांचे पर्यावरण बदल सेट करावेत आपण पुढील मार्ग /etc/profile.d/cuda.sh मध्ये तयार करणार आहोत त्या फाईलमध्ये.
sudo nano /etc/profile.d/cuda.sh
आणि मध्ये आम्ही निम्नलिखित सामग्री ठेवणार आहोत:
export PATH=$PATH:/usr/local/cuda/bin export CUDADIR=/usr/local/cuda
ते फाईल देखील तयार करतात:
sudo nano /etc/ld.so.conf.d/cuda.conf
आणि आम्ही ओळ जोडा:
/usr/local/cuda/lib64
आणि शेवटी आम्ही कार्यान्वित करू.
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