So installieren Sie CUDA auf Ubuntu 20.04 LTS

So Installieren Sie Cuda Auf Ubuntu 20 04 Lts



Die vollständige Form von ANDERS ist Compute Einheitliche Gerätearchitektur . CUDA ist eine von NVIDIA entwickelte Parallel-Computing-Plattform und ein Programmiermodell. Es wird verwendet, um Programme auf den NVIDIA Graphics Processing Units (GPUs) auszuführen, um Computeranwendungen drastisch zu beschleunigen.

In diesem Artikel zeige ich Ihnen, wie Sie CUDA auf Ubuntu 20.04 LTS aus dem offiziellen Paket-Repository von Ubuntu installieren. Ich werde Ihnen auch zeigen, wie Sie die neueste Version von CUDA auf Ubuntu 20.04 LTS aus dem offiziellen NVIDIA-Paket-Repository installieren. Ich werde Ihnen auch zeigen, wie Sie Ihr allererstes CUDA-Programm schreiben, kompilieren und ausführen. Also lasst uns anfangen.

Inhaltsverzeichnis







  1. Voraussetzungen
  2. Aktualisieren des Paket-Repository-Cache
  3. Installieren von GCC und anderen Build-Tools
  4. Installieren von CUDA aus dem offiziellen Ubuntu-Paket-Repository
  5. Installieren der neuesten Version von CUDA aus dem offiziellen NVIDIA-Paket-Repository
  6. Schreiben eines „Hello World“-Programms mit CUDA
  7. Fazit
  8. Verweise

Voraussetzungen

Bevor Sie beginnen,



i) Auf Ihrem Computer muss eine NVIDIA-GPU installiert sein.



ii) Sie müssen die NVIDIA-GPU-Treiber auf Ihrem Computer installiert haben.





Führen Sie den folgenden Befehl aus, um zu bestätigen, ob die NVIDIA-GPU-Treiber funktionieren:

$ lsmod | Griffigkeit nvidia



Wenn die Kernel-Module des NVIDIA-Treibers funktionieren, sollten Sie die folgende Ausgabe sehen.

Wenn die NVIDIA-Treiber ordnungsgemäß funktionieren, sollten die NVIDIA-Befehlszeilentools wie erwartet funktionieren.

$ nvidia-smi

NVIDIA-Grafiktools wie die NVIDIA X-Servereinstellungen App sollte auch funktionieren.

Aktualisieren des Paket-Repository-Cache:

Wenn Sie alle Anforderungen erfüllt haben, aktualisieren Sie den APT-Paket-Repository-Cache mit dem folgenden Befehl:

$ sudo passendes Update

Der APT-Paket-Repository-Cache sollte aktualisiert werden.

Installieren von GCC und anderen Build-Tools:

Damit CUDA funktioniert, müssen GCC und andere Build-Tools auf Ihrem Computer installiert sein.

Sie können GCC und alle erforderlichen Build-Tools aus dem offiziellen Paket-Repository von Ubuntu mit dem folgenden Befehl installieren:

$ sudo geeignet Installieren Build-wesentlich

Um die Installation zu bestätigen, drücken Sie Y und dann drücken .

Alle erforderlichen Pakete werden heruntergeladen. Es wird eine Weile dauern, bis es fertig ist.

Sobald die Pakete heruntergeladen sind, installiert APT sie nacheinander. Es wird eine Weile dauern, bis es fertig ist.

An dieser Stelle sollten GCC und alle erforderlichen Build-Tools installiert sein.

Wie Sie sehen können, funktioniert der GCC-Compiler einwandfrei.

$ gcc --Ausführung

$ g++ --Ausführung

Installieren von CUDA aus dem offiziellen Ubuntu-Paket-Repository

CUDA Version 10 ist im offiziellen Paket-Repository von Ubuntu 20.04 LTS verfügbar.

Führen Sie den folgenden Befehl aus, um CUDA v10 aus dem offiziellen Paket-Repository von Ubuntu 20.04 LTS zu installieren:

$ sudo geeignet Installieren nvidia-cuda-toolkit

Um die Installation zu bestätigen, drücken Sie Y und dann drücken .

Alle erforderlichen Pakete werden aus dem Internet heruntergeladen. Es wird eine Weile dauern, bis es fertig ist.

Sobald die erforderlichen Pakete heruntergeladen sind, werden sie nacheinander installiert. Es wird eine Weile dauern, bis es fertig ist.

An dieser Stelle sollten CUDA und alle erforderlichen Abhängigkeiten installiert sein.

Führen Sie den folgenden Befehl aus, um zu bestätigen, ob CUDA funktioniert:

$ nvcc --Ausführung

Installieren die neueste Version von CUDA aus dem offiziellen NVIDIA Package Repository

Zum Zeitpunkt der Erstellung dieses Artikels ist CUDA 11 die neueste Version von CUDA. Sie können die neueste Version von CUDA aus dem offiziellen Paket-Repository von NVIDIA installieren.

Führen Sie zunächst den folgenden Befehl aus, um sicherzustellen, dass die erforderlichen Linux-Header installiert sind.

$ sudo geeignet Installieren Linux-Header-$ ( dein Name -r ) -Y

Die Linux-Kernel-Header sollten installiert sein. In meinem Fall sind sie bereits installiert.

Laden Sie jetzt die Pin-Datei des CUDA-Repositorys von der offiziellen NVIDIA-Website mit dem folgenden Befehl herunter:

$ sudo wget -DER / etc / geeignet / Einstellungen.d / cuda-repository-pin- 600 https: // developer.download.nvidia.com / berechnen / anders / ausruhen / kostenlos2004 / x86_64 / cuda-ubuntu2004.pin

Führen Sie den folgenden Befehl aus, um den GPG-Schlüssel des offiziellen NVIDIA-Paket-Repositorys hinzuzufügen:

$ sudo apt-key adv --fetch-keys https: // developer.download.nvidia.com / berechnen / anders / ausruhen / kostenlos2004 / x86_64 / 7fa2af80.pub

Der GPG-Schlüssel des offiziellen NVIDIA-Paket-Repositorys sollte dem APT-Paketmanager hinzugefügt werden.

Führen Sie den folgenden Befehl aus, um das offizielle NVIDIA CUDA-Paket-Repository hinzuzufügen:

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

Das offizielle NVIDIA CUDA-Paket-Repository sollte hinzugefügt werden.

Aktualisieren Sie nun den APT-Paket-Repository-Cache mit dem folgenden Befehl:

$ sudo passendes Update

Bevor Sie die neueste Version von CUDA aus dem offiziellen NVIDIA-Paket-Repository installieren, sollten Sie alle vorhandenen Pakete Ihres Ubuntu 20.04 LTS-Computers aktualisieren.

Führen Sie den folgenden Befehl aus, um alle vorhandenen Pakete Ihres Ubuntu 20.04 LTS-Computers zu aktualisieren:

$ sudo passendes Voll-Upgrade

Um das Update zu bestätigen, drücken Sie Y und dann drücken .

Alle erforderlichen Updates werden aus dem Internet heruntergeladen. Es wird eine Weile dauern, bis es fertig ist.

Sobald die Updates heruntergeladen sind, installiert der APT-Paketmanager sie nacheinander. Es wird eine Weile dauern, bis es fertig ist.

Zu diesem Zeitpunkt sollten alle Updates installiert sein.

Jetzt sollten Sie in der Lage sein, die neueste Version von CUDA aus dem offiziellen Paket-Repository von NVIDIA wie folgt zu installieren:

$ sudo geeignet Installieren anders

Um die Installation zu bestätigen, drücken Sie Y und dann drücken .

Die neueste Version von CUDA und alle erforderlichen Abhängigkeitspakete sollten heruntergeladen und installiert werden. Es wird eine Weile dauern, bis es fertig ist.

Zu diesem Zeitpunkt sollten die neueste Version von CUDA und alle erforderlichen Abhängigkeitspakete installiert sein.

Um CUDA zum Pfad hinzuzufügen, erstellen Sie ein neues Skript cuda.sh in dem /etc/profile.d/ Verzeichnis wie folgt:

$ sudo nano / etc / Profil.d / cuda.sh

Geben Sie die folgenden Zeilen in die ein cuda.sh Skript.

Export CUDA_HOME = '/usr/local/cuda'

Export WEG = ' $PFAD : $CUDA_HOME /Behälter'

Wenn Sie fertig sind, drücken Sie + X gefolgt von Y und um die zu retten cuda.sh Skript.

Damit die Änderungen wirksam werden, starten Sie Ihren Computer wie folgt neu:

$ sudo Neustart

Sie sollten auf CUDA-Tools zugreifen können, wie Sie im folgenden Screenshot sehen können.

$ nvcc --Ausführung

Zum Ausführen einiger CUDA-Tools benötigen Sie möglicherweise Superuser-Rechte. Damit sudo Binärdateien von der /usr/local/cuda/bin Verzeichnis (in dem die neueste Version von CUDA aus dem offiziellen NVIDIA-Paket-Repository installiert ist) mit Superuser-Rechten müssen Sie die /etc/sudoers Datei.

Öffne das /etc/sudoers Konfigurationsdatei zum Bearbeiten mit folgendem Befehl:

$ sudo Visum -f / etc / sudoers

Suchen Sie die markierte Zeile auf der /etc/sudoers Datei.

Am Ende von sicherer_pfad , anhängen :/usr/local/cuda/bin wie im Screenshot unten markiert.

Wenn Sie fertig sind, drücken Sie + X gefolgt von Y und um die zu retten /etc/sudoers Datei.

Von nun an sollten Sie bei Bedarf CUDA-Tools mit Superuser-Rechten mit sudo ausführen können.

Schreiben eines „Hello World“-Programms mit CUDA

In diesem Abschnitt werde ich Ihnen zeigen, wie Sie Ihr allererstes CUDA-Programm schreiben. Das Programm gibt einfach eine Nachricht von der GPU und eine Nachricht von der CPU aus. Wenn dieses Programm erfolgreich ausgeführt wird, können Sie bestätigen, dass CUDA auf Ihrem Computer funktioniert.

Erstellen Sie eine neue Datei hallo.cu und geben Sie die folgenden Codezeilen ein:

HINWEIS: CUDA-Quelldateien enden mit der Erweiterung .mit

#include

__global__ Leere sag Hallo ( ) {
Druckf ( „Hallo Welt von der GPU! \n ' ) ;
}

int hauptsächlich ( ) {
Druckf ( „Hallo Welt von der CPU! \n ' ) ;

sag Hallo <<>> ( ) ;
cudaDeviceSynchronize ( ) ;

Rückkehr 0 ;
}

Wenn Sie fertig sind, speichern Sie die hallo.cu Datei in der ~/codes Verzeichnis oder ein beliebiges anderes Verzeichnis Ihrer Wahl.

Navigieren Sie zu ~/codes Verzeichnis oder das Verzeichnis, in dem Sie die gespeichert haben hallo.cu Datei.

$ CD ~ / Codes

Zum Kompilieren der hallo.cu CUDA-Quelldatei mit dem CUDA-Compiler nvcc , führen Sie den folgenden Befehl aus:

$ nvcc hello.cu -Die hallo

Die CUDA-Quelldatei hallo.cu sollte ohne Fehler und eine neue ausführbare/binäre Datei kompiliert werden hallo sollte erstellt werden, wie Sie im Screenshot unten sehen können.

Sie können das kompilierte CUDA-Programm ausführen hallo wie folgt:

$ . / hallo

Wenn Sie die folgende Ausgabe sehen, funktioniert CUDA auf Ihrem Computer einwandfrei. Sie sollten keine Probleme haben, CUDA-Programme zu kompilieren und auszuführen.

Fazit

In diesem Artikel habe ich Ihnen gezeigt, wie Sie CUDA auf Ubuntu 20.04 LTS aus dem offiziellen Paket-Repository von Ubuntu installieren. Ich habe Ihnen auch gezeigt, wie Sie die neueste Version von CUDA auf Ubuntu 20.04 LTS aus dem offiziellen NVIDIA-Paket-Repository installieren. Ich habe Ihnen gezeigt, wie Sie Ihr erstes CUDA-Programm schreiben, kompilieren und auch ausführen.

Verweise

[einer] CUDA-Zone | NVIDIA-Entwickler

[2] Installationsanleitung Linux :: CUDA Toolkit Documentation (nvidia.com)

[3] Tutorial 01: Sag Hallo zu CUDA – CUDA-Tutorial (cuda-tutorial.readthedocs.io)

[4] Dein erstes CUDA C-Programm – YouTube

[5] cuda Tutorial => Lassen Sie uns einen einzelnen CUDA-Thread starten, um Hallo zu sagen (riptutorial.com)