问题标签 [tesla]

我有一个关于 CUDA Fermi 架构的问题：我在某处读到 Fermi 架构中全局内存的访问速度就像共享内存一样快，只是因为现在它们使用统一寻址。

因此，我确实可以访问全局内存上的数据而没有（大）延迟（与“pre-Fermi”GPU 不同）？

知道这一点对我来说非常重要，因为我正在为没有它的 Nvidia Tesla GPU 编写代码（它在大学的实验室里，我在夏天无法访问它......）

我的实验室刚收到 Tesla C2070，该卡安装在运行 Windows Server 64 位的机器上。我应该写一些cuda模拟。我需要安装 64 位版本的 SDK 和 CUDA 工具包吗？我问的原因是因为我想使用 Visual c++ express 进行编译，而且它们似乎真的是面向 32 位的。还是有另一个编译器可以让我完全摆脱这种限制？

谢谢。

编辑 1 感谢您的回答。到目前为止，我可以编译 32 位 cuda / openCL 代码。安装 SDK 后，将目标更改为 64 并链接到 64b 库，它仍然无法正常工作。

最后，在谈到 gpgpu 模拟时，是否需要编译为 64 位应用程序？我的意思是在主机上运行的代码几乎什么都没有，而在 gpu 上运行的代码很好，它是由 nvcc 编译的，所以我选择什么并不重要，32 还是 64 ......我错了吗（可能）？

我有一个运行 Ubuntu 12.04 服务器的无头工作站，最近安装了新的 Tesla C2070 卡，但是从 CUDA SDK 运行示例时，我收到以下错误：

实际上，除了“deviceQuery”之外的所有其他示例都会发生此错误。

我正在使用内核 3.2.0、nvidia 驱动程序 295.41 和 Cuda 4.2.9。

经过大量搜索后，找到了禁用 ecc 支持的建议：

这有效。但问题是禁用 ecc 支持的 GPU 计算的可靠性如何？

任何意见、建议或解决方案将不胜感激。

-康斯坦丁

是否可以在 GeForce 卡上使用点对点内存传输，还是只允许在 Teslas 上使用？我假设卡是 2 个 GTX690（每个都有两个 GPU）。

我曾尝试在 Quadro 4000 和 Quadro 600 之间进行复制，但失败了。cudaMemcpy3DPeer我通过填充cudaMemcpy3DPeerParms结构来传输 3D 数组。

我正在对 GPGPU 进行一些研究，目前正在努力解决特斯拉和 CUDA 到底是什么的问题。在论文“NVIDIA Tesla：统一的图形和计算架构”中，它说 Tesla 架构是在 GeForce 8800 中引入的。通过进一步阅读，我确信它是 NVIDIA 显卡的整体架构。不幸的是，事实并非如此。在http://www.nvidia.com/object/why-choose-tesla.html上，他们明确区分了 GeForce、Quadro 和 Tesla。这一切与 CUDA 有什么关系？它只是 Cuda-C 硬件支持的 GPU 上一般计算的扩展吗？SM、SIMT、线程同步、共享内存、Warp 等的概念与它有什么关系？库达？特斯拉？此外http://nvidia.custhelp.com/app/answers/detail/a_id/2133/~/what-is-the-difference-between-tesla-and-cuda%3F提到特斯拉是为高性能计算和 CUDA 只是软件。有人可以澄清一下吗？

我目前正在使用具有 2 个支持 cuda 的 GPU 的服务器：Quadro 400 和 Tesla C2075。我做了一个简单的向量加法测试程序。我的问题是，虽然 Tesla C2075 GPU 应该比 Quadro 400 更强大，但完成这项工作需要更多时间。我发现 cudaMemcpy 占用了大部分执行时间，并且在功能更强大的 gpu 上运行速度较慢。这是来源：

输出是：

我的问题是：

• 我应该根据要使用的 GPU 修改代码吗？
• 代码中指定的块数、每个块的线程数与 GPU 上可用的多处理器数、每个多处理器的内核数之间是否存在任何联系？

我正在运行 Linux Open Suse 11.2。源代码使用 nvcc 编译器（4.2 版）编译。

谢谢你的帮助！

在我的机器中连接了三个 GPU。即 Tesla M2090。我想了解这些 GPU 的使用情况。有一个名为 NVIDIA SMI 的工具可以显示 GPU 的使用情况。但是当我尝试运行 Option nvidia-smi.exe -d 时（我想知道内存和 GPU 利用率）。请帮忙

驱动程序版本：275.65 操作系统：Windows Server 2008 R2

好的，这是有问题的。我最近在运行 RHEL 5 的 x86_64 Linux 系统上安装了 Matlab R2013a，连接到 Tesla S2050。我从来没有在 Matlab 本身中使用过 GPU 功能（但已经尝试过使用 Jacket 中的一些功能，它可以让一个在 Matlab 中编程 GPU）。

特斯拉在所有驱动程序上运行良好，安装了 CUDA（Jacket v1.8.2 运行良好，没有任何抱怨）。

** 驱动程序版本：270.41.34（2011 年的最后一个版本，支持 S2050） ** CUDA：v5.0.35 nvcc -V：Cuda 编译工具，版本 5.0，V0.2.1221

但是 Matlab r2013a 抱怨：

gpuDevice 错误： 原因：找到了 CUDA 驱动程序，但它太旧了。您系统上的 CUDA 驱动程序支持 CUDA 版本 4。所需的 CUDA 版本为 5 或更高版本。

现在，我了解了 Matlab 的驱动程序版本有问题的错误。但是，我已经安装了最新的 CUDA 工具包和 nVidia 必须为我拥有的 Tesla S2050 提供的最新驱动程序。

是否有适用于该 Tesla 的更高驱动程序版本（我下载了最新的驱动程序，并且在尝试安装时，它只是抱怨我没有兼容的 nVidia 硬件）。

我如何告诉 Matlab 考虑相关的 CUDA ？（在哪里设置 PATH、CUDA_PATH 等，如果有的话？）我需要执行其他检查来评估附加特斯拉的工作吗？

提前感谢您的帮助。

我正在尝试使用 CUDA 中的 CUPTI 库来读取一些性能计数器，例如执行的指令、内存访问等。执行 CUPTI 安装提供的示例时 (/usr/local/cuda-5.0/extras/CUPTI/sample/event_sampling)它显示“ Tesla 系列设备不支持事件采样”。（我使用的是 GTS 250）。这是否意味着我在应用程序执行期间无法读取计数器，还是其他原因？

谢谢

最近有同事需要使用NVML查询设备信息，于是下载了Tesla开发包3.304.5，将文件nvml.h复制到/usr/include。为了测试，我在 tdk_3.304.5/nvml/example 中编译了示例代码，它运行良好。

一个周末，系统发生了一些变化（我无法确定发生了什么变化，而且我不是唯一可以访问机器的人），现在任何使用 nvml.h 的代码（例如示例代码）都失败并出现以下错误：

但是，我仍然可以运行 nvidia-smi 并读取有关我的 K20m 状态的信息，据我所知，nvidia-smi 只是对 nvml.h 的一组调用。我收到的错误消息有点神秘，但我相信它告诉我 nvidia-ml.so 文件需要与我在系统上安装的 Tesla 驱动程序相匹配。为了确保一切正确，我重新下载了 CUDA 5.0 并安装了驱动程序、CUDA 运行时和测试文件。我确信 nvidia-ml.so 文件与驱动程序匹配（两者都是 304.54），所以我很困惑可能出了什么问题。我可以使用 nvcc 编译和运行测试代码，也可以运行我自己的 CUDA 代码，只要它不包含 nvml.h。

有没有人遇到过这个错误或者有任何关于纠正这个问题的想法？

编辑：解决方案是删除所有额外的 libnvidia-ml.so 实例。出于某种原因，他们有很多。