سرور مجازی NVMe

روش نصب CUDA روی اوبونتو 20.04 LTS

توسط مهران در دی ۱۱, ۱۴۰۲

سرفصلهای مطلب

زمان لازم برای مطالعه: 6 دقیقه

فرم کامل از CUDA محاسبه است معماری دستگاه یکپارچه. CUDA یک پلت فرم محاسباتی موازی و مدل برنامه نویسی است که توسط NVIDIA توسعه یافته است. برای اجرای برنامه ها استفاده می شود روی واحدهای پردازش گرافیکی NVIDIA (GPU) برای افزایش سرعت برنامه های محاسباتی به طور چشمگیری.

در این مقاله روش نصب CUDA را به شما نشان خواهم داد روی اوبونتو 20.04 LTS از مخزن بسته رسمی اوبونتو. همچنین روش نصب آخرین نسخه CUDA را به شما نشان خواهم داد روی اوبونتو 20.04 LTS از مخزن رسمی بسته NVIDIA. من به شما نشان خواهم داد که چگونه اولین برنامه CUDA خود را بنویسید، کامپایل کنید و اجرا کنید. بنابراین، بیایید شروع کنیم.

فهرست مطالب

پیش نیازها
به روز رسانی کش مخزن بسته
در حال نصب GCC و سایر ابزارهای ساخت
نصب CUDA از مخزن رسمی بسته اوبونتو
نصب آخرین نسخه CUDA از مخزن رسمی بسته NVIDIA
نوشتن برنامه Hello World با CUDA
نتیجه
منابع

پیش نیازها

قبل از شروع،

i) باید یک پردازنده گرافیکی NVIDIA نصب شده باشد روی کامپیوتر شما.

ii) باید درایورهای گرافیکی NVIDIA را نصب کرده باشید روی کامپیوتر شما.

برای تأیید اینکه آیا درایورهای گرافیکی NVIDIA کار می کنند، دستور زیر را اجرا کنید:

$ lsmod | grep nvidia

اگر ماژول های هسته درایور NVIDIA کار می کنند، باید خروجی زیر را ببینید.

اگر درایورهای NVIDIA به درستی کار می کنند، NVIDIA command-line ابزارها باید همانطور که انتظار می رود کار کنند.

$ nvidia-smi

ابزارهای گرافیکی NVIDIA مانند تنظیمات سرور NVIDIA X برنامه نیز باید کار کند.

به روز رسانی کش مخزن بسته:

هنگامی که تمام الزامات را برآورده کردید، کش مخزن بسته APT را با دستور زیر به روز کنید:

$ sudo آپدیت مناسب

کش مخزن بسته APT باید به روز شود.

در حال نصب GCC و سایر ابزارهای ساخت:

برای اینکه CUDA کار کند، باید داشته باشید GCC و سایر ابزارهای ساخت نصب شده است روی کامپیوتر شما.

می توانید نصب کنید GCC و تمام ابزارهای ساخت مورد نیاز از مخزن بسته رسمی اوبونتو با دستور زیر:

$ sudo apt نصب ساخت ضروری

برای تأیید نصب، فشار دهید Y و سپس فشار دهید <ورود>.

تمام بسته های مورد نیاز در حال دانلود هستند. مدتی طول می کشد تا تکمیل شود.

پس از دانلود بسته ها، APT آنها را یکی یکی نصب می کند. مدتی طول می کشد تا تکمیل شود.

در این مرحله، GCC و تمام ابزارهای ساخت مورد نیاز باید نصب شوند.

همانطور که می بینید، GCC کامپایلر به خوبی کار می کند.

$ gcc — نسخه

$ g++ — نسخه

نصب CUDA از مخزن رسمی بسته اوبونتو

CUDA نسخه 10 در مخزن بسته رسمی Ubuntu 20.04 LTS موجود است.

برای نصب CUDA v10 از مخزن رسمی بسته Ubuntu 20.04 LTS، دستور زیر را اجرا کنید:

$ sudo apt نصب nvidia-cuda-toolkit

برای تأیید نصب، فشار دهید Y و سپس فشار دهید <ورود>.

تمام بسته های مورد نیاز از اینترنت دانلود می شود. مدتی طول می کشد تا تکمیل شود.

پیشنهاد می‌کنیم بخوانید: روش نصب و پیکربندی Apache Hadoop روی اوبونتو

پس از دانلود بسته های مورد نیاز، آنها یک به یک نصب می شوند. مدتی طول می کشد تا تکمیل شود.

در این مرحله، CUDA و تمام وابستگی های مورد نیاز باید نصب شوند.

برای تأیید اینکه آیا CUDA کار می کند، دستور زیر را اجرا کنید:

$ nvcc — نسخه

در حال نصب آخرین نسخه CUDA از مخزن رسمی بسته NVIDIA

در زمان نوشتن این مقاله، CUDA 11 آخرین نسخه CUDA است. می توانید آخرین نسخه CUDA را از مخزن بسته رسمی NVIDIA نصب کنید.

ابتدا دستور زیر را اجرا کنید تا مطمئن شوید هدرهای مورد نیاز لینوکس نصب شده اند.

$ sudo apt نصب لینوکس-هدر-$(اسم شما -r) -y

هدرهای هسته لینوکس باید نصب شوند. در مورد من، آنها قبلاً نصب شده اند.

اکنون فایل پین مخزن CUDA را از وب سایت رسمی NVIDIA با دستور زیر دانلود کنید:

$ sudo wget -O /و غیره/apt/ترجیحات.d/cuda-repository-pin-600 https://developer.download.nvidia.com/محاسبه کنید/جدا/مخازن/ubuntu2004/x86_64/cuda-ubuntu2004.pin

برای افزودن کلید GPG مخزن بسته رسمی NVIDIA، دستور زیر را اجرا کنید:

$ sudo apt-key adv کلیدهای واکشی https://developer.download.nvidia.com/محاسبه کنید/جدا/مخازن/ubuntu2004/x86_64/7fa2af80.pub

کلید GPG مخزن بسته رسمی NVIDIA باید به مدیر بسته APT اضافه شود.

برای افزودن مخزن رسمی بسته NVIDIA CUDA، دستور زیر را اجرا کنید:

$ sudo add-apt-repository “deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ /”

مخزن رسمی بسته NVIDIA CUDA باید اضافه شود.

اکنون کش مخزن بسته APT را با دستور زیر به روز کنید:

$ sudo آپدیت مناسب

قبل از اینکه آخرین نسخه CUDA را از مخزن بسته رسمی NVIDIA نصب کنید، ایده خوبی است که تمام بسته های موجود دستگاه Ubuntu 20.04 LTS خود را به روز کنید.

برای به روز رسانی تمام بسته های موجود دستگاه Ubuntu 20.04 LTS خود، دستور زیر را اجرا کنید:

$ sudo آپدیت کامل

برای تأیید به‌روزرسانی، فشار دهید Y و سپس فشار دهید <ورود>.

تمام به روز رسانی های مورد نیاز از اینترنت دانلود می شود. مدتی طول می کشد تا تکمیل شود.

هنگامی که به روز رسانی ها دانلود شدند، مدیر بسته APT آنها را یکی یکی نصب می کند. مدتی طول می کشد تا تکمیل شود.

در این مرحله، تمام به روز رسانی ها باید نصب شوند.

اکنون باید بتوانید آخرین نسخه CUDA را از مخزن بسته رسمی NVIDIA به شرح زیر نصب کنید:

$ sudo apt نصب جدا

برای تأیید نصب، فشار دهید Y و سپس فشار دهید <ورود>.

آخرین نسخه CUDA و تمام بسته های وابستگی مورد نیاز باید دانلود و نصب شوند. مدتی طول می کشد تا تکمیل شود.

در این مرحله، آخرین نسخه CUDA و تمام بسته های وابستگی مورد نیاز باید نصب شوند.

برای افزودن CUDA به مسیر، یک اسکریپت جدید ایجاد کنید cuda.sh در /etc/profile.d/ دایرکتوری به شرح زیر

$ sudo نانو /و غیره/profile.d/cuda.sh

خطوط زیر را در قسمت تایپ کنید cuda.sh اسکریپت

export CUDA_HOME=“/usr/local/cuda”

export مسیر=“$PATH:$CUDA_HOME/صندوقچه”

پس از اتمام کار، فشار دهید + ایکس به دنبال Y و <ورود> برای نجات cuda.sh اسکریپت

برای اعمال تغییرات، کامپیوتر خود را به صورت زیر راه اندازی مجدد کنید:

$ sudo راه اندازی مجدد

همانطور که در تصویر زیر می بینید، باید بتوانید به ابزارهای CUDA دسترسی داشته باشید.

$ nvcc — نسخه

برای اجرای برخی از ابزارهای CUDA، ممکن است به امتیازات superuser نیاز داشته باشید. اجازه دادن sudo برای اجرای فایل های باینری از /usr/local/cuda/bin دایرکتوری (جایی که آخرین نسخه CUDA از مخزن رسمی بسته NVIDIA نصب شده است) با امتیازات superuser، باید پیکربندی /etc/sudoers فایل.

پیشنهاد می‌کنیم بخوانید: روش نصب نانو روی اوبونتو 22.04

باز کن /etc/sudoers فایل پیکربندی برای ویرایش با دستور زیر:

$ sudo visudo -ف /و غیره/سودوها

خط مشخص شده را پیدا کنید روی را /etc/sudoers فایل.

در پایان از مسیر_ امن، ضمیمه :/usr/local/cuda/bin همانطور که در تصویر زیر مشخص شده است.

پس از اتمام کار، فشار دهید + ایکس به دنبال Y و <ورود> برای نجات /etc/sudoers فایل.

از حالا روی، در صورت نیاز، باید بتوانید ابزارهای CUDA را با امتیازات superuser اجرا کنید sudo.

نوشتن برنامه Hello World با CUDA

در این بخش، من به شما نشان خواهم داد که چگونه اولین برنامه CUDA خود را بنویسید. این برنامه به سادگی خواهد بود print یک پیام از GPU و یک پیام از CPU. اگر این برنامه با موفقیت اجرا شود، می توانید تأیید کنید که CUDA کار می کند روی کامپیوتر شما.

یک فایل جدید ایجاد کنید سلام.cu و کدهای زیر را وارد کنید:

توجه داشته باشید: فایل های منبع CUDA با پسوند پایان می یابند .cu

#include

__جهانی__ خالی سلام برسان() {
printf(«سلام دنیا از پردازنده گرافیکی!\n“);
}

بین المللی اصلی() {
printf(“سلام دنیا از CPU!\n“);

سلام برسان<<>>();

cudaDeviceSynchronize();

برگشت 0;
}

پس از اتمام کار، آن را ذخیره کنید سلام.cu فایل در ~/کدها دایرکتوری یا هر دایرکتوری دیگری به انتخاب شما.

حرکت به ~/کدها دایرکتوری یا دایرکتوری که در آن ذخیره کرده اید سلام.cu فایل.

$ سی دی ~/کدها

برای کامپایل کردن سلام.cu فایل منبع CUDA با کامپایلر CUDA nvcc، دستور زیر را اجرا کنید:

$ nvcc hello.cu -o سلام

فایل منبع CUDA سلام.cu باید بدون هیچ خطایی و یک فایل اجرایی/باینری جدید کامپایل شود سلام باید همانطور که در تصویر زیر می بینید ایجاد شود.

می توانید برنامه کامپایل شده CUDA را اجرا کنید سلام به شرح زیر است:

$ ./سلام

اگر خروجی زیر را مشاهده کردید، CUDA به خوبی کار می کند روی کامپیوتر شما. در کامپایل و اجرای برنامه های CUDA نباید مشکلی داشته باشید.

نتیجه

در این مقاله روش نصب CUDA را به شما نشان دادم روی اوبونتو 20.04 LTS از مخزن بسته رسمی اوبونتو. من همچنین روش نصب آخرین نسخه CUDA را به شما نشان دادم روی اوبونتو 20.04 LTS از مخزن رسمی بسته NVIDIA. من به شما نشان دادم که چگونه اولین برنامه CUDA خود را بنویسید، آن را کامپایل کنید و همچنین آن را اجرا کنید.

منابع

[1] CUDA Zone | توسعه دهنده NVIDIA

[2] راهنمای نصب لینوکس :: CUDA Toolkit Documentation (nvidia.com)

[3] آموزش 01: سلام به CUDA – آموزش CUDA (cuda-tutorial.readthedocs.io)

[4] اولین برنامه CUDA C شما – YouTube

[5] Cuda Tutorial => بیایید یک رشته CUDA راه اندازی کنیم تا سلام کنیم (riptutorial.com)

برای نگارش بخشهایی از این متن ممکن است از ترجمه ماشینی یا هوش مصنوعی GPT استفاده شده باشد
لطفا در صورت وجود مشکل در متن یا مفهوم نبودن توضیحات، از طریق دکمه گزارش نوشتار یا درج نظر روی این مطلب ما را از جزییات مشکل مشاهده شده مطلع کنید تا به آن رسیدگی کنیم

زمان انتشار: 1403-01-01 01:44:05

امتیاز شما به این مطلب