问题标签 [tesla]

我知道 CUDA 会在第一次 API 调用期间进行初始化，但是花费的时间太多了。即使在单独的 cudaSetDevice 之后

测试程序：

使用以下代码构建的相同程序：CUDA 7.0 (compute_35) + Visual Studio 2012 + NSight 4.5，然后在 2 台单独的机器上运行（无重建）

在第一个 cudaMalloc 之前，我称之为“cudaSetDevice”</p>

在我的电脑上：Win7 + Tesla K20，第一个 cudaMalloc 需要 150 毫秒

在我的服务器上：Win2012+ Tesla K40，需要1100ms！！

对于两台机器，后续的 cudaMalloc 都快得多。

我的问题是：

1、为什么K40第一个cudaMalloc需要更长的时间（1100ms vs 150ms）？因为K40应该比K20好

2、我以为“cudaSetDevice”可以捕获Init时间？例如来自 talonmies 的这个答案

3、如果初始化是不可避免的，进程A可以在GPU中保持其状态（或上下文）而进程B在同一个GPU中运行吗？我知道我最好在“独占”模式下运行 GPU，但可以处理“暂停”，以便以后不需要再次初始化 GPU？

提前致谢

我的 Nginx 服务器有一个 SSL 证书，看起来非常好，并且可以在大多数浏览器中完美运行。服务器是https://live.evmote.com。您可以通过访问https://live.evmote.com/primus来“访问”服务器。SSL 证书检查在这里： https ://www.ssllabs.com/ssltest/analyze.html?d=live.evmote.com

到目前为止，一切都很好。问题出在特斯拉 Model S 浏览器（车载浏览器）上。它给出了“错误的证书”错误。众所周知，Tesla 浏览器很糟糕，并且支持不完整。无法从 Tesla 查看证书链或调试问题。它更像是一个电器，而不是一台电脑。这是特斯拉内部的 SSL 支持：http: //i.imgur.com/EbIrClM.jpg

在 Nginx 服务器上，我在日志中收到此错误： SSL3_GET_CLIENT_HELLO:no shared cipher

现在，从 Tesla SSL 报告和服务器报告中可以清楚地看出，存在共享密码。我希望他们会在这个上握手：TLS_RSA_WITH_AES_256_CBC_SHA (0x35)

我不确定如何从这里进行故障排除。

谢谢，瑞安

考虑以下代码：

如果块的数量大于或等于 65536，则不会修改输入数组，尽管device_query从 CUDA 代码示例中说，x 维度中的最大大小远大于 65536：

我做错了什么还是硬件对它的功能撒了谎？这是一个已知的错误？不应该抛出错误吗？

我有一个 Nvidia Tesla K80 坐在一个 LINUX 盒子里。我知道 Tesla K80 内部有两个 GPU。当我在那台机器上运行 OpenCL 程序，遍历所有设备时，我看到了四个设备（4 个 Tesla K80）。你知道为什么会发生这种情况吗？

这是主机代码：

这是输出：

我的开发工作站目前有 NVIDIA Quadro K2200 和 K620。两者都具有 CUDA 计算能力 5.0。然而，最终的生产系统有一个 CUDA 计算能力为 3.7 的 Tesla K80。

是否可以在我的 Quadro GPU 上安装和开发用于计算能力 3.7 的 CUDA 程序，然后将它们转移到 K80 而无需进行重大更改？

我正在尝试在具有 CUDA 7.5 的远程计算机上使用 Nvidia Tesla M2090运行cudaSiftin CudaSift项目。这台机器有 4 个这样的 GPU，但我从调试中很确定初始化是正确完成的，无论如何这是代码：

我使用cmake生成makefile，make文件生成cudaSift没有任何错误。

无论如何，当我运行它时，会返回以下错误：

在第 42 行cudaSiftH.cu是：

在哪里：

InitCuda这是由（确保初始化期间一切正常）打印的代码：

解决方案：

正如评论中所建议的，我正在使用错误的架构进行编译：我不得不将每个更改为sm_35，结果如下：CMakeList.txtsm_20

我正在尝试在 Nvidia Tesla M2090 上mainSift.cpp从CudaSift运行。首先，正如在这个问题中所解释的那样，我必须从 更改sm_35为. sm_20CMakeLists.txt

Unfortunatley 现在返回此错误：

这是LaplaceMulti代码：

我已经阅读了这个看起来有些相似的问题，但我不明白解决方案的含义或如何将其用于我的问题。

为什么会发生错误？

当我为 Caffe win7 使用两个不同的 GPU 时，它不起作用。OS系统：win7 SP1 GPUs：Quadro K620、Tesla K40 Caffe：Caffe for windows 问题是每次我更新到最新的K620驱动369.26，那么Tesla K40就不行了。然后当我为 Tesla K40 更新到最新的 Driver 341.96 时，K620 将无法工作。因此，当我使用双 GPU 时，它不适用于 caffe，错误是：

如果我只使用 GPU Tesla K40（仅使用 Quadro，它可以工作），错误是：

我已经为带有 Tesla k80 GPU 的 TensorFlow 运行了卷积神经网络的示例代码。

https://www.tensorflow.org/versions/r0.9/tutorials/deep_cnn/index.html#launching-and-training-the-model-on-multiple-gpu-cards

“GPU 1”的内存使用量为 11Gb，约为 12Gb 最大值的 95%。但是“GPU 2”的内存使用量只有 64Mb。你能告诉我如何在 Tesla K80 上使用 GPU 的内存和 TensorFlow 吗？

我使用 theano 进行一些深度学习实验。我已经通过 ctrl+c 杀死了一个运行了 3 周的进程，以启动一个新进程。

如我所见，虽然我已经杀死了进程，但gpu内存并没有被释放。根据 nvidia-smi，内存是免费的，除了 23MB 的少量使用。我用特斯拉k40。

但实际上，当我尝试运行非常小的数据集时，我会遇到内存错误。如果它只有 23 MB 的使用量，那根本不是问题。

我在使用的机器上没有 sudo 权限。我该如何解决这个问题？