O código de exemplo CUDA não foi instalado através do sudo apt-get install nvidia-cuda-toolkit; alguma solução?

Question

Eu apenas configurei minha estação de trabalho Ubuntu 16.04 com uma Nvidia GTX 1070, tendo instalado com sucesso o driver mais recente por meio do PPA de drivers gráficos seguindo as instruções aqui .

O driver nvidia-367 possibilitou que minha GPU funcionasse corretamente no meu sistema, corrigindo a resolução quando anteriormente estava totalmente desligada quando ainda estava executando o Nouveau.

Eu não estou usando minha máquina para jogos, mas para ciência de dados, então eu precisava da cadeia CUDA toolkit (o conjunto de ferramentas cobrindo NVCC, as bibliotecas aceleradas CUDA, e assim por diante), então eu comecei a instalá-las usando o comando único de sudo apt-get install nvidia-cuda-toolkit . Toda a instalação prosseguiu bem, mas no final, percebi que estava faltando uma coisa: amostras de código CUDA !

Mesmo depois de pesquisar alto e baixo, não consegui descobrir uma maneira de realizar uma instalação autônoma dos exemplos de código CUDA em meu sistema. Pelo que entendi da documentação da Nvidia, esses exemplos seriam instalados automaticamente quando eu instalo o kit de ferramentas CUDA através de um arquivo .deb ou .run baixado da página de downloads da Nvidia CUDA.

Então, minhas perguntas são:

• Existe alguma maneira que eu poderia obter os arquivos de origem para as amostras Nvidia CUDA? Apenas os arquivos-fonte brutos, junto com o Makefile correto, para que eu possa compilar essas amostras e executá-las sem passar por todo o instalador do Nvidia CUDA toolkit?

• Caso contrário, alguém já teve experiência usando o instalador da Nvidia, e se assim for, alguém sabe se posso pular a instalação do kit de ferramentas CUDA (já que eu já fiz isso através do apt-get) e apenas usar o instalador fazer o download das amostras CUDA?

E a minha pergunta para isso é:

• Estou fazendo algo errado ao não instalar o kit de ferramentas CUDA usando o instalador da Nvidia? Qual é a diferença entre usar isso e apt-get? Por um lado, eu notei que parece haver uma diferença nos locais onde os binários CUDA são instalados. Usando o apt-get, ferramentas como NVCC e NVProf têm seus binários na minha pasta / usr / bin (eles também podem ser encontrados em / usr / lib / nvidia-cuda-toolkit / bin; eu acho que eles foram compilados primeiro e armazenado em / usr / lib / nvidia-cuda-toolkit / bin, mas depois copiado para / usr / bin). Mas parece que usando o instalador da Nvidia, eles acabariam em outro lugar, já que a documentação aconselha modificações a serem feitas na variável de ambiente $ PATH.

Eu apreciaria muito mesmo uma resposta parcial a qualquer uma das poucas perguntas que publiquei aqui, ou sugestões alternativas para a maneira como estou pensando sobre isso. Obrigada!

    

Answer 1

Eu tenho exatamente o mesmo problema. Eu estou tentando testar a minha configuração de trabalho com o Ubuntu 16.04 e GTX1080 com CUDA 7.5 para computação paralela, e esperava facilmente fazer isso usando os pacotes fornecidos nos repositórios. Infelizmente, como mencionado acima, eles estão faltando. É possível usar a instalação runfile para instalar apenas as amostras. Veja por exemplo para uma versão mais antiga:

link

Isso funciona também para 7.5. Basta dizer "não" quando for solicitada a instalação do driver e do kit de ferramentas. Você também precisará definir as bibliotecas corretas do kit de ferramentas. Isso instala amostras de cultura em sua casa por padrão. No entanto, parece haver um problema com bibliotecas que não são encontradas, pois o pacote do repositório também as coloca em um local diferente.

No entanto, alguns exemplos simples, como o matrixMul, são compilados e executados corretamente.

Pode haver uma solução simples adicionando o caminho correto, mas provavelmente instalar pelo menos o cuda-toolkit junto com amostras do runfile deve fazê-lo funcionar como 'out-of-the-box' - não tentei ainda. .

    

Answer 2

Aqui estão as instruções que segui:

1. acesse o site do CUDA
2. faça o download do arquivo .run
3. instale o arquivo .run depois de pressionar ctrl + alt + f1 para entrar no modo terminal
4. fecha o sistema x-window em execução em segundo plano
5. instale um driver nvidia pelo menos na versão 371
6. instale o cuda executando o arquivo .run. não instale o driver nvidia avançado quando ele solicitar.
7. reinicializar
8. teste construindo a amostra 1_utilities / deviceQuery e executando-a. Deve dizer Resultado = Passe no final.

Isso foi difícil porque o driver nvidia avançado que o arquivo .run tentou instalar era incompatível com o meu ambiente de desktop, mas as versões do driver nvidia no meu ppi eram muito antigas para o CUDA. Então, eu tive que encontrar um ppa com um driver nvidia mais recente.