Ⅰ 在虚拟机上安装的ubuntu 怎么配置cuda
第1步：确定你的机器支持CUDA
下面的机器都支持CUDA
NVIDIA GeForce® 8, 9, 200, 400, and 500 series GPUs
NVIDIA TeslaTM computing solutions
Many of the NVIDIA Quadro® procts
运行命令，调出对话框：
$ nvidia-settings
注：如果在键入命令nvidia-settings后，你的机器没有上面类似的对话框出现，说明你没有正确安装nvidia的驱动。
第2步：安装CUDA Toolkit
1）cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
和
2）gpucomputingsdk_4.1.28_linux.run
进入cudatoolkit_4.1.28_linux_64_ubuntu11.04.run所在目录，运行下面的命令安装Toolkit:
$ sudo sh ./cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
按默认位置安装。提示安装完成，然后设置环境变量，执行下述两条命令：
$ export PATH=/usr/local/cuda/bin:$PATH
$ exportLD_LIBRARY_PATH=/usr/local/cuda/lib:$LD_LIBRARY_PATH
特别要说明的是，如果是64位系统，还需要再加上一句话：
$ exportLD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
当然，我们可以把上面的命令写入 ~/.bashrc 中，在系统启动时，自动添加环境变量。
$ gedit ~/.bashrc
即把下面3句添加到~/.bashrc的最后面，然后保存，退出重登录。
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib:$LD_LIBRARY_PATH
exportLD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
验证安装：
执行$ nvcc -V，获得CUDAToolkit的版本号来验证其安装是否成功
nvcc: NVIDIA (R) Cudacompiler driver
Copyright (c) 2005-2011 NVIDIA Corporation
Built on Thu_Jan_12_14:41:45_PST_2012
Cuda compilation tools, release 4.1, V0.2.1221
第3 步：安装GPU Computing SDK
为以后开发方便，SDK不要以root用户安装。执行
$ sh ./cuda_installation/gpucomputingsdk_4.0.17_linux.run
按照提示安装完成。默认安装到当前用户的Home下。
Ⅱ cuda8.0怎么安装
步骤如下：
1.下载安装CUDA：
1.1 下载。请到 cuda官网，选择合适的版本。如果版本不合适，安装的时候会提示的，但还是下载最新的比较好；
1.2 安装。双击cuda_7.5.18_win10.exe,一步步来就好。
2.VS2013配置和测试
2.1 重启计算机。关于是否添加环境变量，笔者安装的时候系统已自动添加好对应的环境变量，如果没有，请查看上文链接的博文；
2.2 配置VS。也请参考上述博文，不再赘述。
3.测试
上两个测试文件。
3.1
1 #include< stdio.h>
2 #include "cuda_runtime.h"
3 #include "device_launch_parameters.h"
4 bool InitCUDA()
5 {
6 int count;
7 cudaGetDeviceCount(&count);
8 if(count == 0)
9 {
10 fprintf(stderr, "There is no device.\n");
11 return false;
12 }
13 int i;
14 for(i = 0; i < count; i++)
15 {
16 cudaDeviceProp prop;
17 if(cudaGetDeviceProperties(&prop, i) == cudaSuccess)
18 {
19 if(prop.major >= 1)
20 {
21 break;
22 }
23 }
24 }
25 if(i == count)
26 {
27 fprintf(stderr, "There is no device supporting CUDA 1.x.\n");
28 return false;
29 }
30 cudaSetDevice(i);
31 return true;
32 }
33
34 int main()
35 {
36 if(!InitCUDA())
37 {
38 return 0;
39 }
40 printf("HelloWorld, CUDA has been initialized.\n");
41 return 0;
42 }
3.2
1 // CUDA runtime 库 + CUBLAS 库
2 #include "cuda_runtime.h"
3 #include "cublas_v2.h"
4
5 #include <time.h>
6 #include <iostream>
7
8 using namespace std;
9
10 // 定义测试矩阵的维度
11 int const M = 5;
12 int const N = 10;
13
14 int main()
15 {
16 // 定义状态变量
17 cublasStatus_t status;
18
19 // 在 内存 中为将要计算的矩阵开辟空间
20 float *h_A = (float*)malloc (N*M*sizeof(float));
21 float *h_B = (float*)malloc (N*M*sizeof(float));
22
23 // 在 内存 中为将要存放运算结果的矩阵开辟空间
24 float *h_C = (float*)malloc (M*M*sizeof(float));
25
26 // 为待运算矩阵的元素赋予 0-10 范围内的随机数
27 for (int i=0; i<N*M; i++) {
28 h_A[i] = (float)(rand()%10+1);
29 h_B[i] = (float)(rand()%10+1);
30
31 }
32
33 // 打印待测试的矩阵
34 cout << "矩阵 A :" << endl;
35 for (int i=0; i<N*M; i++){
36 cout << h_A[i] << " ";
37 if ((i+1)%N == 0) cout << endl;
38 }
39 cout << endl;
40 cout << "矩阵 B :" << endl;
41 for (int i=0; i<N*M; i++){
42 cout << h_B[i] << " ";
43 if ((i+1)%M == 0) cout << endl;
44 }
45 cout << endl;
46
47 /*
48 ** GPU 计算矩阵相乘
49 */
50
51 // 创建并初始化 CUBLAS 库对象
52 cublasHandle_t handle;
53 status = cublasCreate(&handle);
54
55 if (status != CUBLAS_STATUS_SUCCESS)
56 {
57 if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
58 cout << "CUBLAS 对象实例化出错" << endl;
59 }
60 getchar ();
61 return EXIT_FAILURE;
62 }
63
64 float *d_A, *d_B, *d_C;
65 // 在 显存 中为将要计算的矩阵开辟空间
66 cudaMalloc (
67 (void**)&d_A, // 指向开辟的空间的指针
68 N*M * sizeof(float) //需要开辟空间的字节数
69 );
70 cudaMalloc (
71 (void**)&d_B,
72 N*M * sizeof(float)
73 );
74
75 // 在 显存 中为将要存放运算结果的矩阵开辟空间
76 cudaMalloc (
77 (void**)&d_C,
78 M*M * sizeof(float)
79 );
80
81 // 将矩阵数据传递进 显存 中已经开辟好了的空间
82 cublasSetVector (
83 N*M, // 要存入显存的元素个数
84 sizeof(float), // 每个元素大小
85 h_A, // 主机端起始地址
86 1, // 连续元素之间的存储间隔
87 d_A, // GPU 端起始地址
88 1 // 连续元素之间的存储间隔
89 );
90 cublasSetVector (
91 N*M,
92 sizeof(float),
93 h_B,
94 1,
95 d_B,
96 1
97 );
98
99 // 同步函数
100 cudaThreadSynchronize();
101
102 // 传递进矩阵相乘函数中的参数，具体含义请参考函数手册。
103 float a=1; float b=0;
104 // 矩阵相乘。该函数必然将数组解析成列优先数组
105 cublasSgemm (
106 handle, // blas 库对象
107 CUBLAS_OP_T, // 矩阵 A 属性参数
108 CUBLAS_OP_T, // 矩阵 B 属性参数
109 M, // A, C 的行数
110 M, // B, C 的列数
111 N, // A 的列数和 B 的行数
112 &a, // 运算式的 α 值
113 d_A, // A 在显存中的地址
114 N, // lda
115 d_B, // B 在显存中的地址
116 M, // ldb
117 &b, // 运算式的 β 值
118 d_C, // C 在显存中的地址(结果矩阵)
119 M // ldc
120 );
121
122 // 同步函数
123 cudaThreadSynchronize();
124
125 // 从 显存 中取出运算结果至 内存中去
126 cublasGetVector (
127 M*M, // 要取出元素的个数
128 sizeof(float), // 每个元素大小
129 d_C, // GPU 端起始地址
130 1, // 连续元素之间的存储间隔
131 h_C, // 主机端起始地址
132 1 // 连续元素之间的存储间隔
133 );
134
135 // 打印运算结果
136 cout << "计算结果的转置 ( (A*B)的转置 )：" << endl;
137
138 for (int i=0;i<M*M; i++){
139 cout << h_C[i] << " ";
140 if ((i+1)%M == 0) cout << endl;
141 }
142
143 // 清理掉使用过的内存
144 free (h_A);
145 free (h_B);
146 free (h_C);
147 cudaFree (d_A);
148 cudaFree (d_B);
149 cudaFree (d_C);
150
151 // 释放 CUBLAS 库对象
152 cublasDestroy (handle);
153
154 getchar();
155
156 return 0;
157 }
Ⅲ windows10怎么安装cuda
1，安装VS2013。这个没什么可说的，下载64位版本后就是一路下一步、确定就行，记住安装位置就可以了，我这里的安装目录是D:\software\VS2013
2，接着右键我的电脑-》属性-》高级系统设置-》环境变量，之后编辑系统变量Path，加入两个路径D:\software\VS2013\VC\bin和D:\software\VS2013\Common7\IDE，以分号隔开点击确定即可。
Ⅳ 如何设置cuda
开启NVIDIA CUDA功能解决方法：
1、如果是要做基于CUDA的开发，需要去NVIDIA官网上下载SDK（而且需要Quadro卡）。
2、如果是使用CUDA加速的软件，安装了显卡驱动之后就可以了（Geforce卡就可以支持）。显卡驱动中已包含了CUDA运行库文件，不需要在系统中手动配置环境变量。但部份支持CUDA加速的软件，可能需要在设置项或首选项中开启CUDA加速。
CUDA功能终极解码设置：如图，分离器采用Haali，音频解码用 AC3+Sonic全解码，H264选择CoreAVC(下图有CoreAVC具体设置)，视频输出采用VMR无渲染。
设置方法 注意黄色标注处的设置即可
以上几步简单设置就可以了，播放视频的时候，如果右下角任务栏出现绿色的CUDA图标，就是硬解码成功。
Ⅳ linux cuda tool怎么添加环境变量
编译好的是什么类型的程序？c？还是java还是别的？ 很多只能再命令行运行的文件必须在终端执行。 而且就算编译好了，编译好的可执行文件是没有可执行权限的。 需要手动添加才能运行～ 希望你说具体点最好有截图～
Ⅵ 如何安装cuda
安装cuda时，第一次会让设置临时解压目录，第二次会让设置安装目录；
临时解压路径，建议默认即可，也可以自定义。安装结束后，临时解压文件夹会自动删除；
安装目录，建议默认即可；
注意：临时解压目录千万不要和cuda的安装路径设置成一样的，否则安装结束，会找不到安装目录的！！！
选择自定义安装
安装完成后，配置cuda的环境变量；
命令行中，测试是否安装成功；
Ⅶ 如何安装CUDA
首先验证你是否有nvidia的显卡（developer.nvidia.com/cuda-gpus这个网站查看你是否有支持gpu的显卡）：
[plain] view plain
$ lspci | grep -i nvidia
查看你的linux发行版本（主要是看是64位还是32位的）：
[plain] view plain
$ uname -m && cat /etc/*release
看一下gcc的版本：
[plain] view plain
$ gcc --version
首先下载nvidia cuda的仓库安装包（我的是ubuntu 14.0464位，所以下载的是ubuntu14.04的安装包，如果你是32位的可以参看具体的地址，具体的地址是https://developer.nvidia.com/cuda-downloads）
[plain] view plain
wget developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/cuda-repo-ubuntu1404_6.5-14_amd64.deb
下载完成之后可以使用如下命令安装它，注意文件名修改为cuda-repo-ubuntu1404_6.5-14_amd64.deb
[plain] view plain
sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb
安装好仓库之后，就可以更新你的本地仓库。
[plain] view plain
sudo apt-get update
最后开始安装cuda以及显卡驱动（安装cuda的同时就会把显卡驱动也全部安装好，这个真的很方便。但是下载的时间有点长。）
[plain] view plain
sudo apt-get install cuda
需要注意的是，我这里提供的安装方法跟网络上各种安装方法都不一样，他们的方法往往很复杂
主要是因为：（1）有些教程是手工安装显卡的驱动程序，手工屏蔽系统的默认开源的驱动
（2）安装cuda也是手工进行
使用这个方法的时候千万要注意几个问题：
（1）cuda6.5已经不支持老旧的显卡了所以sm11 等等都必须删除。可以参考我的另一个文章，关于编译opencv3.0的
（2）ubuntu14.04是64位的，并且不要一开始就更新系统补丁什么的，因为系统更新过之后，再安装显卡驱动就会无法进入图形界面，我查看了相关的日志发现是卡在了dbus那边。所以，我建议一安装好ubuntu 14.04就不要更新系统补丁。
安装完之后你需要设置环境变量：
[plain] view plain
$ export PATH=/usr/local/cuda-6.5/bin:$PATH
$ export LD_LIBRARY_PATH=/usr/local/cuda-6.5/lib64:$LD_LIBRARY_PATH
设置完毕之后，你还可以选择是否安装cuda附带的示例代码（<dir>表示你要安装的位置，你可以将<dir>替换成~）：
[plain] view plain
$ cuda-install-samples-6.5.sh <dir>
接下来做一些验证工作：
查看显卡的驱动版本
[plain] view plain
cat /proc/driver/nvidia/version
查看nvcc编译器的版本
[plain] view plain
nvcc -V i
编译cuda的示例代码:
[plain] view plain
cd ~/NVIDIA_CUDA-6.5_Samples
然后make一下编译代码。
进入bin路径运行devicequery
[plain] view plain
cd ~/NVIDIA_CUDA-6.5_Samples/bin
[html] view plain
./ deviceQuery
具体的安装过程可以参考英文。
http://docs.nvidia.com/cuda/cuda-getting-started-guide-for-linux/index.html
这里必须要强调的是一定要是新的ubuntu14.04 在安装显卡驱动之前千万别更新，否则就无法进入桌面，这个问题困扰了我很久了。重装了是十几遍的系统。
这篇guide只是一些零散的安装步骤以及给后来人对于cuda的一些坑上的提醒。
Ⅷ cuda中怎么使用各类型变量的数据
直接在device或者global函数中声明即可
Ⅸ ubuntu安装cuda添加环境变量吗
查看你的linux发行版本（主要是看是64位还是32位的）： [plain] view plain $ uname -m && cat /etc/*release 看一下gcc的版本： [plain] view plain $ gcc --version 首先下载nvidia cuda的仓库安装包（我的是ubuntu 14.0464位
Ⅹ cuda编程前的环境配置
CUDA开发环境配置
依次安装 Driver,Toolkit,SDK。注意最好安装路径中不含空格。
使用开勇的CUDA_VS_Wizard (http://sourceforge.net/projects/cudavswizard/) 配置Visual Studio 2008的CUDA项目
安装Visual AssistantX
打开VS, 选择 工具->选项->项目与解决方案->VC++项目设置，在“C/C++文件扩展名”后添加*.cu，在“包括的扩展名”后添加.cu
打开Visual AssistantX设置，在Projects->C/C++ Directories 里，Platform选择Custom，Show Directories for选择Stable include files，添加CUDA Toolkit的include目录路径
导入注册表(点我)，让Visual AssistantX支持CUDA的cu文件和语法高亮
在系统环境变量添加一个新项，随便起名。这里作为例子，取CUDA_DLL。
值填写SDK里面\C\Bin\win32\下面的四个目录(64位系统将win32改成win64)。
（例如sdk安装在目录E:\CUDA\win7_64_2.3\sdk里，则CUDA_DLL环境变量的值应为：
E:\CUDA\win7_64_2.3\sdk\C\win64\Debug;
E:\CUDA\win7_64_2.3\sdk\C\win64\EmuDebug;
E:\CUDA\win7_64_2.3\sdk\C\win64\EmuRelease;
E:\CUDA\win7_64_2.3\sdk\C\win64\Release
再在PATH环境变量最后添加%CUDA_DLL%
2009/12/20 Update:
在64位系统，完成以上步骤后，在vs新建项目时遇到错误"Err Source: CreateCustomProject"
解决方法：在控制面板->添加删除程序，进入vs的维护模式，勾选Visual C++下面的x64编译器（此选项在默认是没有安装的），之后可能会遇到找不到"SQLSysClrTypes.msi"的问题，取消之即可（这个文件在vs2008 sp1的iso里面有，但无论我选择sp1 iso的根目录还是该文件所在的目录，均无法继续安装）