我正在查看CUDA的粒子示例，但找不到它们在顶点数组和着色器中的变量之间建立链接的位置。从我读过的和实际上我一直在做的方式来看

...
glGenBuffers(1, &VBO);
glBindBuffer(GL_ARRAY_BUFFER, VBO);
glBufferData( ... )
glEnableVertexAttribArray(0);
glVertexAttribPointer( ... );
...

然而我在 Nvidia 的例子中发现的看起来像

glBindBufferARB(GL_ARRAY_BUFFER_ARB, m_vbo);
glVertexPointer(4, GL_FLOAT, 0, 0);
glEnableClientState(GL_VERTEX_ARRAY);

if (m_colorVBO)
{
    glBindBufferARB(GL_ARRAY_BUFFER_ARB, m_colorVBO);
    glColorPointer(4, GL_FLOAT, 0, 0);
    glEnableClientState(GL_COLOR_ARRAY);
}

glDrawArrays(GL_POINTS, 0, m_numParticles);

glBindBufferARB(GL_ARRAY_BUFFER_ARB, 0);
glDisableClientState(GL_VERTEX_ARRAY);
glDisableClientState(GL_COLOR_ARRAY);

我相信这与我所做的类似。所以我的问题是

1. 这两种将数据传递给着色器的方式有什么区别？
2. 我应该更喜欢一个吗？

我正在尝试使用 Nivida Profiler 分析我的代码，但我在时间线中出现了奇怪的差距，如下所示：

注意：间隙边缘的两个内核都是 CudaMemCpyAsync（主机到设备）

我在 Ubuntu 14.04 上运行最新版本的 CUDA、8.0.61 和最新的 Nvidia 显示驱动程序。

Intel 集成显卡用于显示器而不是 Nvidia。因此，Nvidia 显卡只运行代码，而不运行其他任何东西。

我也启用了 CPU Profiling 来检查这些差距，但没有显示任何内容！

此外，没有启用调试选项（-G 或 -g），这是一个“发布版本”

我的笔记本电脑规格：

• 英特尔酷睿 i7 4720HQ
• 英伟达 GTX 960m
• 16GB DDR3 内存
• 1 TB 硬盘

有没有办法追踪这些空时隙中发生的事情？

谢谢，

客观的：

拥有一个多显示器扩展显示器，显示器位于两个相同的 GPU 上。

硬件：

• Geforce GTX 970 (x2)
• 戴尔 E207WFP 显示器 (x6)
• Z97-PRO主板
• i5-4690K CPU @3.50GHz
• 24GB 内存

软件：

• Ubuntu 16.04.04 LTS
• 4.4.0-116-通用内核
• NVIDIA 驱动程序版本 384.111

测试程序

1) 硬件测试

• 测试了每台显示器及其端口。（成功）
• 使用 GPU 和显示器一次一个地测试每个 Mobo PCI 端口。（成功）

• 测试了每个 GPU 及其所有显示端口。（成功）

  注意：每个 GPU 有 1 个显示器、1 个 HDMI 和 2 个 DVI 端口。

  • 自己测试了每个端口。（成功）
  • 测试所有端口同时显示。（成功）
• 单独测试了所有涉及的布线。（成功）

2) 软件测试

• 测试 Ubuntu 是否可以在扩展模式下在 1 个 GPU 上处理 4 个显示器。（成功）
  • 监视器 1：全屏播放高清电影。
  • 监视器 2：玩方舟生存进化在最高质量的设置。
  • 监视器 3：Active …

cudaMemcpy 允许程序员明确指定内存传输的方向。

有手动指定存储器传输方向上的任何优点（cudaMemcpyDeviceToHost/ cudaMemcpyHostToDevice/ cudaMemcpyDeviceToDevice，而不是让CUDA自动推断（）cudaMemcpyDefault从指针值）？

我想在 Visual Studio 2017 中用 NVIDIA OpenCL 编写应用程序，但不知道如何为此创建项目。

我有来自 NVIDIA (GeForce 940M) 和 Intel (HD Graphics 5500) 的 GPU，并且已经设法为 OpenCL 打开和运行 Intel 示例程序，但它们有近一千行代码，所以我决定尝试 NVIDIA OpenCL 但不知道如何。在一些论坛上，他们说我应该下载 CUDA 工具包并安装 OpenCL，其他人说我应该下载支持 OpenCL 的驱动程序，但我不知道哪个驱动程序合适。我已经从https://www.nvidia.pl/Download/index.aspx?lang=pl安装了 CUDA 和驱动程序，但我仍然无法在 Visual Studio 的 OpenCL 中创建 NVIDIA 项目。

我目前正在尝试将 Jetson TX1 与 jetson NANO 进行基准测试，根据https://elinux.org/Jetson，它们都具有 maxwell 架构，其中 NANO 有 128 个 cuda 内核，TX1 有 256 个 cuda 内核。这意味着通常 Jetson NANO 的性能是 TX1 的一半。

为了测试这一点，我创建了一个单（浮点）运算乘法内核，如下所示：

__global__ void matrixMultiply(float* mat1, float* mat2, int nx, int ny)
    {
        unsigned int ix = threadIdx.x + blockDim.x*blockIdx.x;
        unsigned int iy = threadIdx.y + blockDim.y*blockIdx.y;
        int idx = iy*nx + ix;

        mat1[idx] = mat1[idx]*mat2[idx] ;

    }

测试： TX1 = 130 ms 和 Jetson NANO = 150 ms 乘以 2“大小为 15000*15000 的浮点数组”。结果看起来很奇怪，就好像我没有使用 TX1 …

多年来，我一直以这种方式安装各种版本的 CUDA：

sudo apt-get update
sudo apt-get purge cuda --yes

# eg for 9.0:
wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_9.0.176-1_amd64.deb

sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub

sudo dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb

sudo apt-get install cuda=9.0.176-1 --yes

这一直很有效，我在一个脚本中可以自动设置我的 CI 机器。但是今天我注意到事情不再起作用了：

sudo apt-get install cuda=9.0.176-1 --yes
E: Unable to locate package cuda

显然，GPG 密钥已过期： https : //github.com/NVIDIA/nvidia-docker/issues/1081#issuecomment-533717708

要解决此问题，您现在需要执行以下操作：

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey |  sudo apt-key add -

但是，同样的错误！我也尝试过 CUDA 10.0 版，但它以同样的方式失败。

当我尝试nvprof在命令提示符中运行命令时，系统错误会弹出并显示“代码执行无法继续，因为未找到 cupti64_102.dll。重新安装程序可能会解决此问题。”

我已经安装了 CUDA Toolkit 10.2 但cupti64_102.dll不在/bin.

系统：Windows 10、Quadro K4200、CUDA10.2、CUDA Toolkit 10.2

我正在尝试在 Google Colab 上运行 stylegan2，但使用我的 Drive 上的所有文件，并避免使用 !git clone 来自stylegan2的github。这是我在特定单元格上的代码：

    %tensorflow_version 1.x
    %cd /content/drive/My Drive/stylegan2-master/
    !nvcc test_nvcc.cu -o test_nvcc -run
    print('Tensorflow version: {}'.format(tf.__version__) )
    !nvidia-smi -L
    print('GPU Identified at: {}'.format(tf.test.gpu_device_name()))

结果：

/content/drive/My Drive/stylegan2-master CPU 打招呼。cudaErrorNoDevice：未检测到支持 CUDA 的设备 Tensorflow 版本：1.15.2 NVIDIA-SMI 失败，因为它无法与 NVIDIA 驱动程序通信。确保安装并运行了最新的 NVIDIA 驱动程序。

GPU 标识于：

为什么我无法获得 GPU？我是该领域的新手，所以我可能会遗漏一些非常简单的东西，但仍然无法在互联网上找到答案。

使用以下命令运行最新的 docker：

docker run -it -p 8888:8888 tensorflow/tensorflow:latest-gpu-jupyter jupyter notebook --notebook-dir=/tf --ip 0.0.0.0 --no-browser --allow-root --NotebookApp.allow_origin='https://colab.research.google.com'

代码：

import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

给我：

2020-07-27 19:44:03.826149: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library libcuda.so.1
2020-07-27 19:44:03.826179: E tensorflow/stream_executor/cuda/cuda_driver.cc:313] failed call to cuInit: UNKNOWN ERROR (-1)
2020-07-27 19:44:03.826201: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:163] no NVIDIA GPU device is present: /dev/nvidia0 does not exist

我在 Pop_OS 20.04 上，尝试从 Pop 存储库和 NVidia 安装 CUDA 驱动程序。没有骰子。任何帮助表示赞赏。

跑步

docker run --gpus all nvidia/cuda:10.0-base nvidia-smi

给我：

+-----------------------------------------------------------------------------+ …