如何在Google Colaboratory中的Jupyter笔记本上运行CUDA C / C++

什么是CUDA?
CUDA是Nvidia为并行计算平台和应用程序编程接口创建的模型。 CUDA是NVIDIA的并行计算体系结构，可通过利用GPU的功能来显着提高计算性能。

什么是Google Colab?
Google Colab是一项免费的云服务，能够将Colab与其他免费的云服务区分开的最重要功能是； Colab提供GPU，并且完全免费！使用Colab，您可以免费使用CUDA C / C++在GPU上工作！

除非您的计算机中装有NVIDIA硬件，否则CUDA代码将无法在AMD CPU或Intel HD图形上运行。在Colab上，您可以利用Nvidia GPU以及具有预装Tensorflow和某些其他ML / DL功能的全功能Jupyter Notebook工具。

我想我已经完成了介绍。让我们配置我们的学习环境。

第1步：在浏览器中转到https://colab.research.google.com，然后单击“新建笔记本”。

步骤2：我们需要将运行时从CPU切换到GPU。单击运行时>更改运行时类型>硬件加速器> GPU>保存。

步骤3：完全卸载任何以前的CUDA版本。我们需要刷新CUDA的云实例。

!apt-get --purge remove cuda nvidia* libnvidia-*
!dpkg -l | grep cuda- | awk '{print $2}' | xargs -n1 dpkg --purge
!apt-get remove cuda-*
!apt autoremove
!apt-get update

在单独的代码中编写代码阻止并运行该代码。每行均以“！”开头，它将作为命令行命令执行。

步骤4：安装CUDA版本9(您可以将其复制到单独的代码块中)。

!wget https://developer.nvidia.com/compute/cuda/9.2/Prod/local_installers/cuda-repo-ubuntu1604-9-2-local_9.2.88-1_amd64 -O cuda-repo-ubuntu1604-9-2-local_9.2.88-1_amd64.deb
!dpkg -i cuda-repo-ubuntu1604-9-2-local_9.2.88-1_amd64.deb
!apt-key add /var/cuda-repo-9-2-local/7fa2af80.pub
!apt-get update
!apt-get install cuda-9.2

步骤5：现在，您可以通过运行以下命令检查CUDA安装：

!nvcc --version

输出将是这样的：

vcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Wed_Apr_11_23:16:29_CDT_2018
Cuda compilation tools, release 9.2, V9.2.88

步骤6：运行给定命令以安装一个小的扩展程序，以从Notebook单元运行nvcc。

!pip install git+git://github.com/andreinechaev/nvcc4jupyter.git

步骤7：使用以下给出的代码加载扩展程序：

%load_ext nvcc_plugin

步骤8：执行以下代码，检查CUDA是否正常工作。

现在，我们准备在您的笔记本中运行CUDA C / C++代码。

Important Note: To check the following code is working or not, write that code in a separate code block and Run that only again when you update the code and re running it.

要在笔记本中运行代码，请在代码开头添加%% cu扩展名。

% % cu
#include 
    int
    main()
{
    std::cout << "Welcome To GeeksforGeeks\n";
    return 0;
}

输出：

Welcome To GeeksforGeeks

我建议您尝试从向量中查找最大元素的程序，以检查一切是否正常。

% % cu
#include 
#include 
  
    using namespace std;
  
__global__ void maxi(int* a, int* b, int n)
{
    int block = 256 * blockIdx.x;
    int max = 0;
  
    for (int i = block; i < min(256 + block, n); i++) {
  
        if (max < a[i]) {
            max = a[i];
        }
    }
    b[blockIdx.x] = max;
}
  
int main()
{
  
    int n;
    n = 3 >> 2;
    int a[n];
  
    for (int i = 0; i < n; i++) {
        a[i] = rand() % n;
        cout << a[i] << "\t";
    }
  
    cudaEvent_t start, end;
    int *ad, *bd;
    int size = n * sizeof(int);
    cudaMalloc(&ad, size);
    cudaMemcpy(ad, a, size, cudaMemcpyHostToDevice);
    int grids = ceil(n * 1.0f / 256.0f);
    cudaMalloc(&bd, grids * sizeof(int));
  
    dim3 grid(grids, 1);
    dim3 block(1, 1);
  
    cudaEventCreate(&start);
    cudaEventCreate(&end);
    cudaEventRecord(start);
  
    while (n > 1) {
        maxi<< > >(ad, bd, n);
        n = ceil(n * 1.0f / 256.0f);
        cudaMemcpy(ad, bd, n * sizeof(int), cudaMemcpyDeviceToDevice);
    }
  
    cudaEventRecord(end);
    cudaEventSynchronize(end);
  
    float time = 0;
    cudaEventElapsedTime(&time, start, end);
  
    int ans[2];
    cudaMemcpy(ans, ad, 4, cudaMemcpyDeviceToHost);
  
    cout << "The maximum element is : " << ans[0] << endl;
  
    cout << "The time required : ";
    cout << time << endl;
}

输出：

The maximum element is : 1338278816
The time required : 0.003392

我希望这会对某人有所帮助。

想要从精选的最佳视频中学习和练习问题，请查看《基础知识到高级C的C基础课程》。