标签: compute-capability

较新版本的 CMake（3.18 及更高版本）“了解”CUDA 代码编译目标的 CUDA 架构的选择。目标有一个CUDA_ARCHITECTURES属性，设置后会-gencode arch=whatever,code=whatever为您生成适当的编译选项。如果您不设置此值，您甚至会收到警告：

CMake Error in CMakeLists.txt:
  CUDA_ARCHITECTURES is empty for target "my_cuda_app".

默认情况下，该目标属性被初始化为CMAKE_CUDA_ARCHITECTURES。但CMAKE_CUDA_ARCHITECTURES它本身没有初始化为任何东西（！）

我们如何让 CMake 自动检测CUDA_ARCHITECTURES全局 或 的适当值CMAKD_CUDA_ARCHITECTURES？也就是说，使用系统上安装的 GPU 的架构？

假设我的系统安装了单个GPU，并且还安装了最新版本的CUDA。

我想确定我的GPU的计算能力是什么。如果我可以编译代码，那将很容易：

#include <stdio.h>
int main() {
    cudaDeviceProp prop;
    cudaGetDeviceProperties(&prop, 0);
    printf("%d", prop.major * 10 + prop.minor);
}

但是-假设我想不编译就这样做。我可以吗？我认为nvidia-smi可能会有所帮助，因为它可以让您查询有关设备的各种信息，但似乎并不能让您获得计算能力。也许我还能做些什么？也许通过/proc或系统日志可见的东西？

编辑：这旨在在构建之前在我无法控制的系统上运行。因此，它必须具有最小的依赖性，可以在命令行上运行并且不需要root特权。

我有一台具有1.1计算能力的CUDA GPU的机器.我想重新安装CUDA,我想我会用5.0;

有没有CUDA功能和CUDA版本之间的兼容性？使用带有CC 1.1的CUDA 5.0会有麻烦吗？GPU？

谢谢!

这些是我的假设：

1. 有两种类型的加载：缓存和非缓存。在第一个中，流量经过 L1 和 L2，而在第二个中，流量仅经过 L2。
2. Compute Capability 6.x 和 7.x 中的默认行为是缓存访问。
3. L1 缓存行为 128 字节，L2 缓存行为 32 字节，因此对于生成的每个 L1 事务，应该有四个 L2 事务（每个扇区一个）。
4. 在Nsight中，SM->TEX请求意味着由32个线程合并而成的warp级指令。L2->TEX Returns 和 TEX->SM Returns 是每个内存单元之间传输的扇区数量的度量。

假设计算能力为 7.5，我的问题如下：

1. 第三个假设似乎暗示对于全局缓存加载，L2->TEX 返回应该始终是四的倍数，但情况并非总是如此。这里发生了什么？
2. 用 const 和 __restrict__ 限定符标记指针还有意义吗？这曾经是向编译器暗示数据是只读的，因此可以缓存在 L1/纹理缓存中，但现在所有数据都缓存在那里，无论是只读的还是非只读的。
3. 根据我的第四个假设，我认为只要 TEX->SM Returns 大于 L2->TEX Returns，差异就来自缓存命中。这是因为当缓存命中时，您会从 L1 读取一些扇区，但不会从 L2 读取任何扇区。这是真的？

我已经安装了 CUDA 7.5 和 cuDNN 5.0 的 tensorflow。我的显卡是 NVIDIA Geforce 820M，功能为 2.1。但是，我收到此错误。

Ignoring visible gpu device (device: 0, name: GeForce 820M, pci bus id: 0000:08:00.0) with Cuda compute capability 2.1. The minimum required Cuda capability is 3.0.
Device mapping: no known devices.

有没有办法在 2.1 功能上运行 GPU？我在网上搜了一下，发现是cuDNN需要这个能力，那么安装较早版本的cuDNN是否可以让我使用GPU？