为了账号安全,请及时绑定邮箱和手机立即绑定

CUF-01 | 开始在 Ubuntu 上进行 CUDA-Fortran 程序开发

标签:
Cocos2d-x

内容概览

  1. CUDA 并行计算简介

  2. CUDA-Fortran 开发环境配置

  3. CUDA 基本概念

  4. 第一个 CUDA-Fortran 程序

1 CUDA并行计算简介

1.1 并行计算简史

  • 随着计算机硬件的发展,CPU不能再以提高单核时钟速度的方式来提高性能,导致其横向发展,也就出现了越来越多的多核处理器。

  • 相比于图形处理单元(Graphics Processing Unit),其并行规模显得特别苍白无力。

  • 使用GPU做通用计算被称为(GPGPU,General Purpose GPU),这需要面对应用程序接口进行编程。

  • CUDA架构不仅包含应伟达GPU硬件,还包含一个软件编程环境。

1.2 CUDA 并行计算

    GPU内部可以产生大量线程,上下文切换开销非常小。
    进行数据级并行,是一种细粒度并行。

2 CUDA-Fortran 开发环境配置

作为开发工具,首先要做的就是配置环境,笔者自己的笔记本电脑为联想Y430P,安装有 XUbuntu 18.04.1 64位操作系统,显卡为GForce GTX 850M,显存2G。

  • 安装系统这里不再赘述。

2.1 配置 CUDA 环境

1 更换国内源,因为更新快。见下图。

方法:系统设置 -> 软件和更新 -> Ubuntu 软件 -> 下载自(选择一个,推荐清华)

webp

换源

2 换完之后,一般会刷新缓存,但是还是建议手动刷新一次,并更新。

$ sudo apt uodate && sudo apt upgrade -y

3 更新安装完之后需要勾选Nvidia显卡驱动,见下图。

方法:系统设置 -> 软件和更新 -> 附加驱动程序 -> 选择驱动(推荐闭源驱动)

webp

勾选N卡驱动

4 安装nvidia-cuda-toolkit
安装命令如下;图中是仓库中搜索的结果。

$ sudo apt install nvidia-cuda-toolkit

webp

软件仓库中的nvidia-cuda-toolkit

5 安装完之后重启电脑,检测环境。

$ nvidia-smi # NVIDIA System Management Interface program,可以监测CUDA设备$ nvcc --version # 输出NVIDIA CUDA C 编译器版本

正常输出,就表明环境配置正确,可以干活了。如上面两条命令,在笔者电脑上的输出分别如下。


webp

命令 nvidia-smi 输出


webp

命令 nvcc --version 输出

2.2 安装配置 CUDA-Fortran 编译器

PGI(前身为The Portland Group,Inc。)是一家为高性能计算系统生产一套商用Fortran,C和C ++ 编译器的公司。2013年7月29日,NVIDIA公司收购了The Portland Group,Inc。波特兰集团(或PGI)的名称现在被称为NVIDIA公司生产的软件开发工具品牌。

之后,PGI发布免费使用的社区版,学习使用还是蛮不错的,笔者自己也使用该编译器,点击跳转到下载页

webp

PGI Community Edition


我们要使用CUDA-Fortran,就需要安装相应编译器,安装过程此处不再叙述,和一般 linux 软件安装套路一样,可能以后补充上,如果读者需要,可以留言,我会及时更新文章。
另外,安利一本书《OpenACC并行编程实战》(何沧平),这本书里第九章有详细的 PGI 编译器安装教程,此外这本书讲 OpenACC,非常基础,笔者自己也有一本。

3 CUDA 基本概念

如果你看到了这里,那么恭喜你,说明你已经配置好了开发环境,并且可以开始在CUDA-Fortran的世界里翱翔了。言归正传,在进行 CUDA-Fortran 开发之前,我们需要了解一些基本概念,不过不用担心,这些概念并不是很复杂。

  • 主机:指CPU及其内存。

  • 设备:指GPU及其内存。

  • CPU代码:指一个仅用到CPU的实现。

  • 内核:指一个在设备上执行但被主机调用的子例行程序。

  • 执行配置:子例程名字与参数列表之间三尖号内的一组参数,如call sub<<<m,n>>>( arguments )。

另外,在 CUDA 这样的混合编程模型中,必须解决的一个问题是主机与设备间的同步。我们将要在示例代码中使用的赋值语句是阻塞传递的,有利于隐式同步CPU和GPU。

4 第一个 CUDA-Fortran 程序

在这一章中,我们要编写第一个 CUDA-Fortran 程序,编译并且执行他。

好了,我们先来看代码。

module simpleOps_m    implicit none 
  contains 
    attributes(global) subroutine increment( a, b )!       |         |  !       |         + --- 指明这个代码运行在设备上,但需要从主机上调用。!       |               global 描述作用域;从主机和设备均可看到本例程!       + ------------- 指明子例行程序的属性 
        integer,intent(inout) :: a(:)        integer,value         :: b 
        integer               :: i
        i = threadIdx%x!               |!               + --- GPU 线程同时执行子例程。!                     每一个线程通过在所有设备代码中可用的内置变量 threadIdx 来识别自已!                     并将该变量用作数组下标。
        a(i) = a(i) + b    end subroutine incrementend module simpleOps_mprogram incrementTestCPU    use simpleOps_m    use cudafor 
    implicit none 
    integer,parameter :: n = 256
    integer           :: a(n), b    integer,device    :: a_d(n)
    
    a = 1; b = 3
    
    a_d = a ! 阻塞传递数据,隐式同步
    call increment<<<1,n>>>( a_d, b )    !             |       |   |   |
    !             |       |   |   + --- 第二个内核标量参数 b 驻留主机内存,需要 ## 传值 ##
    !             |       |   + ------- 第一个内核数组参数 a_d 驻留设备内存
    !             + ----- + ----------- 执行配置,此中分别是<<<线程块数量,块内线程数量>>> 
    a = a_d ! 阻塞传递数据,隐式同步
    
    if( any( a .ne. 4 ) ) then 
        write(*,*) "**** Program Failed ****"
    else 
        write(*,*) "**** Program Passed ****"
    end if end program incrementTestCPU

读者可能在第一次看到这段代码时,会对其中一些地方感到迷惑,不过不要紧,除去少部分 CUDA-Fortran 的内容外,其余部分代码和代码含义与普通的 Fortran 程序没有什么大的区别。

读者可以仔细阅读一下代码中的注释,以及回顾一下 CUDA 基本概念。

现在,我们编译这段代码。

$ pgfortran -Mcuda file_name.f90

然后执行编译好的程序

$ ./a.out

最后你会看到这样的结果。


webp

第一个 CUDA-Fortran 程序编译及执行结果



作者:Fitanium_毛毛
链接:https://www.jianshu.com/p/617ad2ec555e


点击查看更多内容
TA 点赞

若觉得本文不错,就分享一下吧!

评论

作者其他优质文章

正在加载中
JAVA开发工程师
手记
粉丝
205
获赞与收藏
1006

关注作者,订阅最新文章

阅读免费教程

  • 推荐
  • 评论
  • 收藏
  • 共同学习,写下你的评论
感谢您的支持,我会继续努力的~
扫码打赏,你说多少就多少
赞赏金额会直接到老师账户
支付方式
打开微信扫一扫,即可进行扫码打赏哦
今天注册有机会得

100积分直接送

付费专栏免费学

大额优惠券免费领

立即参与 放弃机会
意见反馈 帮助中心 APP下载
官方微信

举报

0/150
提交
取消