antecedentes
En el artículo sobre los problemas encontrados al compilar e instalar LitmusRT , hemos compilado e instalado el sistema operativo en tiempo real LitmusRT y podemos iniciarlo normalmente. Ahora, tenemos que compilar e instalar la biblioteca de terceros acelerada por GPU OpenCL u OpenACC.
Nuevamente, tenga cuidado de no instalar el controlador de Nvidia con una máquina virtual, porque la tarjeta gráfica de la máquina virtual está virtualizada y el archivo ko de Nvidia no se puede cargar. Así que estoy usando la computadora de escritorio ubuntu16.04 de 64 bits en el laboratorio, que se instaló con controladores NVIDIA, cuda10.2 y 10.1, gcc7 y g ++ 7.
OpenCL
Si hay cuda, Nvidia es la primera opción, después de todo, Nvidia es el líder en la industria de las GPU. Pero si tenemos que usar una máquina virtual, tenemos que cambiar a la versión Intel de OpenCL para instalar
Versión de Nvidia
1. Descargue el paquete de instalación http://developer.download.nvidia.com/compute/cuda/4_0/sdk/gpucomputingsdk_4.0.17_linux.run
2. Antes de ejecutar el archivo de ejecución, asegúrese de que su gcc y g ++ sean ambos de la versión 3.4, si no, instale y cambie
3. Arrastre el archivo de ejecución al servidor y ejecútelo.
root@sundata:/data/szc# ./gpucomputingsdk_4.0.17_linux.runLe permitirá especificar el directorio de instalación y el directorio cuda, simplemente presione Enter para predeterminar
3. Luego, copie algunos archivos de la biblioteca en el directorio / usr / lib o / usr / local / include
root@sundata:/data/szc# cp -r /usr/local/cuda-10.0/extras/CUPTI/include/* /usr/local/include
root@sundata:/data/szc# cp -r /snap/gnome-3-34-1804/36/usr/include/* /usr/local/include
root@sundata:/data/szc# cp /usr/local/cuda-10.0/lib64/libOpenCL.so.1.1 /usr/local/lib/libOpenCL.so
root@sundata:/data/szc# cp /usr/lib/x86_64-linux-gnu/libGLU.so.1.3.1 /usr/lib/libGLU.so
root@sundata:/data/szc# cp /snap/gnome-3-34-1804/60/usr/lib/x86_64-linux-gnu/libGL.so.1.0.0 /usr/lib/libGL.so
root@sundata:/data/szc# cp /snap/gnome-3-34-1804/60/usr/lib/x86_64-linux-gnu/libX11.so.6.3.0 /usr/lib/libX11.so
root@sundata:/data/szc# cp /usr/lib/x86_64-linux-gnu/libXmu.so.6.2.0 /usr/lib/libXmu.soLos nombres y métodos de posicionamiento de ubicación de estas cosas son los siguientes:
Primero corte en el directorio de instalación de OpenCL, y luego haga
root@sundata:~/NVIDIA_GPU_Computing_SDK/OpenCL# makeInformará un error de que no puede encontrar un determinado archivo de encabezado o una determinada biblioteca de modo (no puede encontrar -lxxx), similar a este
Luego ubique el archivo de encabezado o la biblioteca xxx, obtendrá la ruta de la biblioteca, luego copie el archivo de encabezado en el directorio / usr / loca / include y copie el archivo de la biblioteca en / usr / local / lib.
No puedo encontrar glut.so aquí, así que tengo que instalar esta dependencia
root@sundata:~/NVIDIA_GPU_Computing_SDK/OpenCL# apt-get install freeglut3-devSi encuentra este error:
ld cannot find crt1.o: No such file or directoryEs necesario establecer la variable de entorno, la siguiente ruta es el resultado de localizar crt1.o
export LIBRARY_PATH=$LIBRARY_PATH:/snap/gnome-3-34-1804/36/usr/lib/x86_64-linux-gnu/4. Finalmente, vaya al directorio de instalación de OpenCL y realice make
root@sundata:~/NVIDIA_GPU_Computing_SDK/OpenCL# makeVerá un montón de archivos ejecutables en el directorio bin / linux / release /, ejecute uno
O ver si se puede detectar el SDK de OpenCL
Vea que el SDK y los dispositivos que lo soportan puedan ser detectados, y eso es todo.
ps: Durante el proceso de compilación, también encontré problemas como ibstdc ++. so.6 error al agregar símbolos: DSO falta en la línea de comando, sección no representable en la salida, etc. Después de cada intento, reduje las versiones gcc y g ++ a 3.4 y re -Ejecutar el archivo de ejecución, instalado y resuelto. De hecho, estos problemas de enlace se encontraron después de eliminar gcc y g ++. ¿Cómo puedo probar los métodos en Internet? ¿Cómo puedo cambiar el archivo common / common_opencl.mk? Finalmente, volví a ejecutar el archivo de ejecución y el problema fue resuelto.
5. Si queremos escribir nuestro propio archivo opencl, tenemos que copiar todos los archivos de encabezado en cuda al directorio / usr / local / include
root@sundata:/data/szc# cp -r /usr/local/cuda-10.0/include/* /usr/local/include/Luego escribe código de muestra
#include <stdio.h>
#include <stdlib.h>
#include <CL/cl.h>
// OpenCL source code
const char* OpenCLSource[] = {
"__kernel void VectorAdd(__global int* c, __global int* a,__global int* b)",
"{",
" // Index of the elements to add \n",
" unsigned int n = get_global_id(0);",
" // Sum the n’th element of vectors a and b and store in c \n",
" c[n] = a[n] + b[n];",
"}"
};
// Some interesting data for the vectors
int InitialData1[20] = {37,50,54,50,56,0,43,43,74,71,32,36,16,43,56,100,50,25,15,17};
int InitialData2[20] = {35,51,54,58,55,32,36,69,27,39,35,40,16,44,55,14,58,75,18,15};
// Number of elements in the vectors to be added
#define SIZE 2048
int main(int argc, char **argv) {
// Two integer source vectors in Host memory
int HostVector1[SIZE], HostVector2[SIZE];
// Initialize with some interesting repeating data
int c;
for(c = 0; c < SIZE; c++) {
HostVector1[c] = InitialData1[c%20];
HostVector2[c] = InitialData2[c%20];
}
//Get an OpenCL platform
cl_platform_id cpPlatform;
clGetPlatformIDs(1, &cpPlatform, NULL);
// Get a GPU device
cl_device_id cdDevice;
clGetDeviceIDs(cpPlatform, CL_DEVICE_TYPE_GPU, 1, &cdDevice, NULL);
// Create a context to run OpenCL on our CUDA-enabled NVIDIA GPU
cl_context GPUContext = clCreateContext(0, 1, &cdDevice, NULL, NULL, NULL);
// Create a command-queue on the GPU device
cl_command_queue cqCommandQueue = clCreateCommandQueue(GPUContext, cdDevice, 0, NULL);
// Allocate GPU memory for source vectors AND initialize from CPU memory
cl_mem GPUVector1 = clCreateBuffer(GPUContext, CL_MEM_READ_ONLY |
CL_MEM_COPY_HOST_PTR, sizeof(int) * SIZE, HostVector1, NULL);
cl_mem GPUVector2 = clCreateBuffer(GPUContext, CL_MEM_READ_ONLY |
CL_MEM_COPY_HOST_PTR, sizeof(int) * SIZE, HostVector2, NULL);
// Allocate output memory on GPU
cl_mem GPUOutputVector = clCreateBuffer(GPUContext, CL_MEM_WRITE_ONLY, sizeof(int) * SIZE, NULL, NULL);
// Create OpenCL program with source code
cl_program OpenCLProgram = clCreateProgramWithSource(GPUContext, 7, OpenCLSource, NULL, NULL);
// Build the program (OpenCL JIT compilation)
clBuildProgram(OpenCLProgram, 0, NULL, NULL, NULL, NULL);
// Create a handle to the compiled OpenCL function (Kernel)
cl_kernel OpenCLVectorAdd = clCreateKernel(OpenCLProgram, "VectorAdd", NULL);
// In the next step we associate the GPU memory with the Kernel arguments
clSetKernelArg(OpenCLVectorAdd, 0, sizeof(cl_mem),(void*)&GPUOutputVector);
clSetKernelArg(OpenCLVectorAdd, 1, sizeof(cl_mem), (void*)&GPUVector1);
clSetKernelArg(OpenCLVectorAdd, 2, sizeof(cl_mem), (void*)&GPUVector2);
// Launch the Kernel on the GPU
size_t WorkSize[1] = {SIZE}; // one dimensional Range
clEnqueueNDRangeKernel(cqCommandQueue, OpenCLVectorAdd, 1, NULL, WorkSize, NULL, 0, NULL, NULL);
// Copy the output in GPU memory back to CPU memory
int HostOutputVector[SIZE];
clEnqueueReadBuffer(cqCommandQueue, GPUOutputVector, CL_TRUE, 0,
SIZE * sizeof(int), HostOutputVector, 0, NULL, NULL);
// Cleanup
clReleaseKernel(OpenCLVectorAdd);
clReleaseProgram(OpenCLProgram);
clReleaseCommandQueue(cqCommandQueue);
clReleaseContext(GPUContext);
clReleaseMemObject(GPUVector1);
clReleaseMemObject(GPUVector2);
clReleaseMemObject(GPUOutputVector);
// Print out the results
int Rows;
for (Rows = 0; Rows < (SIZE/20); Rows++, printf("\t")) {
for(c = 0; c <20; c++) {
printf("%c",(char)HostOutputVector[Rows * 20 + c]);
}
}
printf("\n\nThe End\n\n");
return 0;
}Compilar
root@sundata:/data/szc# gcc test_opencl.c -o test_opencl -lOpenCLcorrer
ps: en el manual oficial del sitio web, se crea el contexto
cl_context GPUContext = clCreateContextFromType(0, CL_DEVICE_TYPE_GPU, NULL, NULL, NULL);Pero esta función generará un error, que se puede verificar pasando el puntero de la variable de error al último parámetro
....
cl_int ciErr1;
cl_context GPUContext = clCreateContextFromType(0, CL_DEVICE_TYPE_GPU, NULL, NULL, &ciErr1);
if (ciErr1 != CL_SUCCESS) {
printf("Error in clCreateContext, error: %d\n", ciErr1);
return -1;
}Los resultados son los siguientes
Entonces tienes que usar
cl_context GPUContext = clCreateContext(0, 1, &cdDevice, NULL, NULL, NULL);Para crear el contexto
Versión de Intel
1. Descargar dependencias
(base) root@ubuntu:/home/szc# apt-get install clinfo
(base) root@ubuntu:/home/szc# apt install dkms xz-utils openssl libnuma1 libpciaccess0 bc curl libssl-dev lsb-core libicu-dev
(base) root@ubuntu:/home/szc# echo "deb http://download.mono-project.com/repo/debian wheezy main" | sudo tee /etc/apt/sources.list.d/mono-xamarin.list
(base) root@ubuntu:/home/szc# apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv-keys 3FA7E0328081BFF6A14DA29AA6A19B38D3D831EF
(base) root@ubuntu:/home/szc# apt-get update
(base) root@ubuntu:/home/szc# apt-get install mono-complete2. Descargue el código fuente Intel opensl sdk http://registrationcenter-download.intel.com/akdlm/irc_nas/vcp/16284/intel_sdk_for_opencl_applications_2020.0.270.tar.gz , cárguelo en ubuntu, descomprímalo e ingrese a su directorio
(base) root@ubuntu:/home/szc# tar -zxvf intel_sdk_for_opencl_applications_2020.0.270.tar.gz
(base) root@ubuntu:/home/szc# cd intel_sdk_for_opencl_applications_2020.0.2703. Luego, ejecute el script de instalación.
(base) root@ubuntu:/home/szc/intel_sdk_for_opencl_applications_2020.0.270# ./install.sh4. El valor predeterminado es todo.Después de la finalización, verifique si la instalación está completa y podrá ver el tiempo de ejecución de CPU Intel (R) para aplicaciones OpenCL (TM).
(base) root@ubuntu:/home/szc/intel_sdk_for_opencl_applications_2020.0.270# clinfo
Number of platforms 1
Platform Name Intel(R) CPU Runtime for OpenCL(TM) Applications
Platform Vendor Intel(R) Corporation
Platform Version OpenCL 2.1 LINUX
Platform Profile FULL_PROFILE
Platform Extensions cl_khr_icd cl_khr_global_int32_base_atomics cl_khr_global_int32_extended_atomics cl_khr_local_int32_base_atomics cl_khr_local_int32_extended_atomics cl_khr_byte_addressable_store cl_khr_depth_images cl_khr_3d_image_writes cl_intel_exec_by_local_thread cl_khr_spir cl_khr_fp64 cl_khr_image2d_from_buffer cl_intel_vec_len_hint
Platform Host timer resolution 1ns
Platform Extensions function suffix INTEL
Platform Name Intel(R) CPU Runtime for OpenCL(TM) Applications
Number of devices 1
Device Name Intel(R) Core(TM) i7-8750H CPU @ 2.20GHz
Device Vendor Intel(R) Corporation
Device Vendor ID 0x8086
Device Version OpenCL 2.1 (Build 0)
Driver Version 18.1.0.0920
Device OpenCL C Version OpenCL C 2.0
Device Type CPU
Device Profile FULL_PROFILE
Max compute units 4
Max clock frequency 2200MHz
Device Partition (core)
Max number of sub-devices 4
Supported partition types by counts, equally, by names (Intel)
Max work item dimensions 3
Max work item sizes 8192x8192x8192
Max work group size 8192
Preferred work group size multiple 128
Max sub-groups per work group 1
Preferred / native vector sizes
char 1 / 32
short 1 / 16
int 1 / 8
long 1 / 4
half 0 / 0 (n/a)
float 1 / 8
double 1 / 4 (cl_khr_fp64)
Half-precision Floating-point support (n/a)
Single-precision Floating-point support (core)
Denormals Yes
Infinity and NANs Yes
Round to nearest Yes
Round to zero No
Round to infinity No
IEEE754-2008 fused multiply-add No
Support is emulated in software No
Correctly-rounded divide and sqrt operations No
Double-precision Floating-point support (cl_khr_fp64)
Denormals Yes
Infinity and NANs Yes
Round to nearest Yes
Round to zero Yes
Round to infinity Yes
IEEE754-2008 fused multiply-add Yes
Support is emulated in software No
Correctly-rounded divide and sqrt operations No
Address bits 64, Little-Endian
Global memory size 6233903104 (5.806GiB)
Error Correction support No
Max memory allocation 1558475776 (1.451GiB)
Unified memory for Host and Device Yes
Shared Virtual Memory (SVM) capabilities (core)
Coarse-grained buffer sharing Yes
Fine-grained buffer sharing Yes
Fine-grained system sharing Yes
Atomics Yes
Minimum alignment for any data type 128 bytes
Alignment of base address 1024 bits (128 bytes)
Preferred alignment for atomics
SVM 64 bytes
Global 64 bytes
Local 0 bytes
Max size for global variable 65536 (64KiB)
Preferred total size of global vars 65536 (64KiB)
Global Memory cache type Read/Write
Global Memory cache size 262144
Global Memory cache line 64 bytes
Image support Yes
Max number of samplers per kernel 480
Max size for 1D images from buffer 97404736 pixels
Max 1D or 2D image array size 2048 images
Base address alignment for 2D image buffers 64 bytes
Pitch alignment for 2D image buffers 64 bytes
Max 2D image size 16384x16384 pixels
Max 3D image size 2048x2048x2048 pixels
Max number of read image args 480
Max number of write image args 480
Max number of read/write image args 480
Max number of pipe args 16
Max active pipe reservations 65535
Max pipe packet size 1024
Local memory type Global
Local memory size 32768 (32KiB)
Max constant buffer size 131072 (128KiB)
Max number of constant args 480
Max size of kernel argument 3840 (3.75KiB)
Queue properties (on host)
Out-of-order execution Yes
Profiling Yes
Local thread execution (Intel) Yes
Queue properties (on device)
Out-of-order execution Yes
Profiling Yes
Preferred size 4294967295 (4GiB)
Max size 4294967295 (4GiB)
Max queues on device 4294967295
Max events on device 4294967295
Prefer user sync for interop No
Profiling timer resolution 1ns
Execution capabilities
Run OpenCL kernels Yes
Run native kernels Yes
Sub-group independent forward progress No
IL version SPIR-V_1.0
SPIR versions 1.2
printf() buffer size 1048576 (1024KiB)
Built-in kernels
Device Available Yes
Compiler Available Yes
Linker Available Yes
Device Extensions cl_khr_icd cl_khr_global_int32_base_atomics cl_khr_global_int32_extended_atomics cl_khr_local_int32_base_atomics cl_khr_local_int32_extended_atomics cl_khr_byte_addressable_store cl_khr_depth_images cl_khr_3d_image_writes cl_intel_exec_by_local_thread cl_khr_spir cl_khr_fp64 cl_khr_image2d_from_buffer cl_intel_vec_len_hint
NULL platform behavior
clGetPlatformInfo(NULL, CL_PLATFORM_NAME, ...) No platform
clGetDeviceIDs(NULL, CL_DEVICE_TYPE_ALL, ...) No platform
clCreateContext(NULL, ...) [default] No platform
clCreateContext(NULL, ...) [other] Success [INTEL]
clCreateContextFromType(NULL, CL_DEVICE_TYPE_CPU) No platform
clCreateContextFromType(NULL, CL_DEVICE_TYPE_GPU) No platform
clCreateContextFromType(NULL, CL_DEVICE_TYPE_ACCELERATOR) No platform
clCreateContextFromType(NULL, CL_DEVICE_TYPE_CUSTOM) No platform
clCreateContextFromType(NULL, CL_DEVICE_TYPE_ALL) No platformOpenACC
Entorno: servidor ubuntu, equipado con controlador Nvidia y cuda, con cable de red enchufado
1. Descarga el paquete comprimido y descomprímelo
root@sundata:/data/szc# wget https://developer.download.nvidia.com/hpc-sdk/20.7/nvhpc_2020_207_Linux_x86_64_cuda_multi.tar.gz
root@sundata:/data/szc# tar xpzf nvhpc_2020_207_Linux_x86_64_cuda_multi.tar.gz2. Instalación
root@sundata:/data/szc# nvhpc_2020_207_Linux_x86_64_cuda_multi/installSe le pedirá que configure los parámetros durante la instalación, simplemente seleccione el sistema único y su propia ruta de instalación
3. Prueba
Primero configure las variables de entorno, cambie / root / NVIDIA_GPU_Computing_SDK / hpc_sdk a su propia ruta de instalación
root@sundata:/data/szc# export PATH=/root/NVIDIA_GPU_Computing_SDK/hpc_sdk/Linux_x86_64/2020/compilers/bin/:$PATHLuego cambie a un directorio de muestra de prueba en la ruta de instalación, compile y ejecute
root@sundata:/data/szc# cd ~/NVIDIA_GPU_Computing_SDK/hpc_sdk/Linux_x86_64/2020/examples/OpenMP
root@sundata:~/NVIDIA_GPU_Computing_SDK/hpc_sdk/Linux_x86_64/2020/examples/OpenMP# make NTHREADS=4 matmul_testEjecutar captura de pantalla
Finalmente, adjunte el manual oficial: https://docs.nvidia.com/hpc-sdk/archive/20.7/index.html
Conclusión
Estos archivos no son pequeños. Si la descarga desde el sitio web oficial es lenta, puede descargarla desde mi disco de red de Baidu:
Intel OpenCL: Enlace: https://pan.baidu.com/s/1a9_H5tbsfFjdMmPFlJbUzg, código de extracción: 060s
NVIDIA OpenCL: Enlace: https://pan.baidu.com/s/1J_qrL-PREONvIYnz1F7DoQ, código de extracción: c2ci
NVIDIA OpenACC: Enlace: https://pan.baidu.com/s/1hQKKtrq4c6TEfXMuE_RC5w, código de extracción: 9u7o