- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一台互联网连接缓慢且断断续续的机器,因此下载 2.4 Gb 的 CUDA 几乎要花很长时间。我想通过以下代码使用 GPU 编程:
N = 2^2
using CuArrays
x_d = CuArrays.fill(1.0f0, N) # a vector stored on the GPU filled with 1.0 (Float32)
y_d = CuArrays.fill(2.0f0, N) # a vector stored on the GPU filled with 2.0
y_d .+= x_d
问题是每当我运行最后一行代码时,它都会下载一个新的 CUDA 副本:
julia> y_d .+= x_d
Downloading artifact: CUDA10.2
我已经安装了最新的 CUDA。事实上,中断 julia 的下载并再次运行代码就可以了:
julia> y_d .+= x_d
ERROR: InterruptException:
Stacktrace:
[1] compile(::Symbol, ::CUDAnative.CompilerJob; libraries::Bool, dynamic_parallelism::Bool, optimize::Bool, strip::Bool, strict::Bool) at C:\Users\User\.julia\packages\CUDAnative\ierw8\src\compiler\driver.jl:45
[2] #compile#171 at C:\Users\User\.julia\packages\CUDAnative\ierw8\src\compiler\driver.jl:33 [inlined]
[3] cufunction_slow(::Function, ::Type{T} where T, ::Int64; name::String, kwargs::Base.Iterators.Pairs{Union{},Union{},Tuple{},NamedTuple{(),Tuple{}}}) at C:\Users\User\.julia\packages\CUDAnative\ierw8\src\execution.jl:326
[4] #219 at C:\Users\User\.julia\packages\CUDAnative\ierw8\src\execution.jl:393 [inlined]
[5] get!(::CUDAnative.var"#219#220"{String,Base.Iterators.Pairs{Union{},Union{},Tuple{},NamedTuple{(),Tuple{}}},GPUArrays.var"#26#27",DataType,Int64}, ::Dict{UInt64,CUDAnative.HostKernel}, ::UInt64) at .\dict.jl:452
[6] macro expansion at C:\Users\User\.julia\packages\CUDAnative\ierw8\src\execution.jl:392 [inlined]
[7] macro expansion at .\lock.jl:183 [inlined]
[8] cufunction_fast(::Function, ::Type{T} where T, ::Int64; name::String, kwargs::Base.Iterators.Pairs{Union{},Union{},Tuple{},NamedTuple{(),Tuple{}}}) at C:\Users\User\.julia\packages\CUDAnative\ierw8\src\execution.jl:391
[9] getproperty at .\Base.jl:33 [inlined]
[10] merge at .\namedtuple.jl:235 [inlined]
[11] cufunction(::GPUArrays.var"#26#27", ::Type{Tuple{CuArrays.CuKernelContext,CUDAnative.CuDeviceArray{Float32,1,CUDAnative.AS.Global},Base.Broadcast.Broadcasted{Nothing,Tuple{Base.OneTo{Int64}},typeof(+),Tuple{Base.Broadcast.Extruded{CUDAnative.CuDeviceArray{Float32,1,CUDAnative.AS.Global},Tuple{Bool},Tuple{Int64}},Base.Broadcast.Extruded{CUDAnative.CuDeviceArray{Float32,1,CUDAnative.AS.Global},Tuple{Bool},Tuple{Int64}}}}}}; kwargs::Base.Iterators.Pairs{Symbol,String,Tuple{Symbol},NamedTuple{(:name,),Tuple{String}}}) at C:\Users\User\.julia\packages\CUDAnative\ierw8\src\execution.jl:0
[12] macro expansion at C:\Users\User\.julia\packages\CUDAnative\ierw8\src\execution.jl:157 [inlined]
[13] gpu_call(::CuArrays.CuArrayBackend, ::Function, ::Tuple{CuArray{Float32,1,Nothing},Base.Broadcast.Broadcasted{Nothing,Tuple{Base.OneTo{Int64}},typeof(+),Tuple{Base.Broadcast.Extruded{CuArray{Float32,1,Nothing},Tuple{Bool},Tuple{Int64}},Base.Broadcast.Extruded{CuArray{Float32,1,Nothing},Tuple{Bool},Tuple{Int64}}}}}, ::Int64; name::String) at C:\Users\User\.julia\packages\CuArrays\e8PLr\src\gpuarrays.jl:32
[14] #gpu_call#1 at C:\Users\User\.julia\packages\GPUArrays\QDGmr\src\device\execution.jl:60 [inlined]
[15] copyto! at C:\Users\User\.julia\packages\GPUArrays\QDGmr\src\host\broadcast.jl:63 [inlined]
[16] copyto! at .\broadcast.jl:864 [inlined]
[17] materialize!(::CuArray{Float32,1,Nothing}, ::Base.Broadcast.Broadcasted{CuArrays.CuArrayStyle{1},Nothing,typeof(+),Tuple{CuArray{Float32,1,Nothing},CuArray{Float32,1,Nothing}}}) at .\broadcast.jl:823
[18] top-level scope at REPL[5]:1
julia> y_d .+= x_d
4-element CuArray{Float32,1,Nothing}:
3.0
3.0
3.0
3.0
但是,每次我运行 CUDA 相关代码时,Julia 都会尝试再次下载。我有一个从 NVIDIA 网站新下载的可执行文件(“cuda_10.2.89_441.22_win10.exe”)。无论如何让 Julia 使用这个副本,或者根本不这样做?
最佳答案
不能 100% 确定(当然,这是一个临时解决方案),但一种解决方案可能是检查 Julia 是否正确加载了动态链接。为了检查它:
using Libdl
DL_LOAD_PATH #(same as Libdl.DL_LOAD_PATH)
之后您应该能够看到 CUDA 库路径列表。如果没有,那么您应该添加它们。
为此,只需键入:
push!(DL_LOAD_PATH, "/path/to/cuda/")
然后尝试导入 CuArrays 包。
顺便说一句,CuArrays 依赖于 CUDAnative 和 CUDAdrv。所以另一种解决方案可能是分别安装所有 3 个包。
关于julia - 如何让 Julia CuArrays 使用下载的 CUDA 10.2 而不是下载新副本?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61333232/
这是我关于 Stack Overflow 的第一个问题,这是一个很长的问题。 tl;dr 版本是:我如何使用 thrust::device_vector如果我希望它存储不同类型的对象 DerivedC
我已使用 cudaMalloc 在设备上分配内存并将其传递给内核函数。是否可以在内核完成执行之前从主机访问该内存? 最佳答案 我能想到的在内核仍在执行时启动 memcpy 的唯一方法是在与内核不同的流
是否可以在同一节点上没有支持 CUDA 的设备的情况下编译 CUDA 程序,仅使用 NVIDIA CUDA Toolkit...? 最佳答案 你的问题的答案是肯定的。 nvcc编译器驱动程序与设备的物
我不知道 cuda 不支持引用参数。我的程序中有这两个函数: __global__ void ExtractDisparityKernel ( ExtractDisparity& es)
我正在使用 CUDA 5.0。我注意到编译器将允许我在内核中使用主机声明的 int 常量。但是,它拒绝编译任何使用主机声明的 float 常量的内核。有谁知道这种看似差异的原因? 例如,下面的代码可以
自从 CUDA 9 发布以来,显然可以将不同的线程和 block 分组到同一组中,以便您可以一起管理它们。这对我来说非常有用,因为我需要启动一个包含多个 block 的内核并等待所有 block 都同
我需要在 CUDA 中执行三线性插值。这是问题定义: 给定三个点向量:x[nx]、y[ny]、z[nz] 和一个函数值矩阵func[nx][ny][nz],我想在 x、y 范围之间的一些随机点处找到函
我认为由于 CUDA 可以执行 64 位 128 位加载/存储,因此它可能具有一些用于加/减/等的内在函数。像 float3 这样的向量类型,在像 SSE 这样更少的指令中。 CUDA 有这样的功能吗
我有一个问题,每个线程 block (一维)必须对共享内存内的一个数组进行扫描,并执行几个其他任务。 (该数组最多有 1024 个元素。) 有没有支持这种操作的好库? 我检查了 Thrust 和 Cu
我对线程的形成和执行方式有很多疑惑。 首先,文档将 GPU 线程描述为轻量级线程。假设我希望将两个 100*100 矩阵相乘。如果每个元素都由不同的线程计算,则这将需要 100*100 个线程。但是,
我正在尝试自己解决这个问题,但我不能。 所以我想听听你的建议。 我正在编写这样的内核代码。 VGA 是 GTX 580。 xxxx >> (... threadNum ...) (note. Shar
查看 CUDA Thrust 代码中的内核启动,似乎它们总是使用默认流。我可以让 Thrust 使用我选择的流吗?我在 API 中遗漏了什么吗? 最佳答案 我想在 Thrust 1.8 发布后更新 t
我想知道 CUDA 应用程序的扭曲调度顺序是否是确定性的。 具体来说,我想知道在同一设备上使用相同输入数据多次运行同一内核时,warp 执行的顺序是否会保持不变。如果没有,是否有任何东西可以强制对扭曲
一个 GPU 中可以有多少个 CUDA 网格? 两个网格可以同时存在于 GPU 中吗?还是一台 GPU 设备只有一个网格? Kernel1>(dst1, param1); Kernel1>(dst2,
如果我编译一个计算能力较低的 CUDA 程序,例如 1.3(nvcc 标志 sm_13),并在具有 Compute Capability 2.1 的设备上运行它,它是否会利用 Compute 2.1
固定内存应该可以提高从主机到设备的传输速率(api 引用)。但是我发现我不需要为内核调用 cuMemcpyHtoD 来访问这些值,也不需要为主机调用 cuMemcpyDtoA 来读取值。我不认为这会奏
我希望对 CUDA C 中负载平衡的最佳实践有一些一般性的建议和说明,特别是: 如果经纱中的 1 个线程比其他 31 个线程花费的时间长,它会阻止其他 31 个线程完成吗? 如果是这样,多余的处理能力
CUDA 中是否有像 opencl 一样的内置交叉和点积,所以 cuda 内核可以使用它? 到目前为止,我在规范中找不到任何内容。 最佳答案 您可以在 SDK 的 cutil_math.h 中找到这些
有一些与我要问的问题类似的问题,但我觉得它们都没有触及我真正要寻找的核心。我现在拥有的是一种 CUDA 方法,它需要将两个数组定义到共享内存中。现在,数组的大小由在执行开始后读入程序的变量给出。因此,
经线是 32 根线。 32 个线程是否在多处理器中并行执行? 如果 32 个线程没有并行执行,则扭曲中没有竞争条件。 在经历了一些例子后,我有了这个疑问。 最佳答案 在 CUDA 编程模型中,warp
我是一名优秀的程序员,十分优秀!