Cuda中的多个GPU - 之前的工作代码,但不再是
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Cuda中的多个GPU - 之前的工作代码,但不再是相关的知识,希望对你有一定的参考价值。
我最近遇到了在Cuda应用程序中运行多个NVidia GPU的麻烦。附件代码能够在Visual Studio 2013和2015(Windows 7,Cuda 9.2,Nvidia驱动程序398.26,1xGTX1080和1xGTX960)中在我的系统上一致地重现问题。我正在构建我的卡的正确计算能力(5.2和6.1)。
具体来说,在第一个GPU初始化后,我无法在第二个GPU上进行任何函数调用。错误代码始终为“CudaErrorMemoryAllocation”。它在Nvidia分析器以及调试和发布版本中都失败了。我可以按任意顺序初始化GPU并重现问题。
尝试扩展当前的应用程序时出现了这个问题,这是一个很大的图像处理算法管道。此管道可能有多个独立实例,并且由于内存限制,将需要多个卡。我对此问题感到困惑的主要原因是我之前有过这样的工作 - 我有几年前运行的Visual Profile会话,显示我的相同卡片表现得如预期的那样。我所知道的唯一区别是它在Cuda 8.0中。
有任何想法吗?
#include "cuda_runtime.h"
#include "cuda.h"
#include <thread>
#include <conio.h>
#include <iostream>
// Function for each thread to run
void gpuThread(int gpuIdx, bool* result)
{
cudaSetDevice(gpuIdx); // Set gpu index
// Create an int array on CPU
int* hostMemory = new int[1000000];
for (int i = 0; i < 1000000; i++)
hostMemory[i] = i;
// Allocate and copy to GPU
int* gpuMemory;
cudaMalloc(&gpuMemory, 1000000 * sizeof(int));
cudaMemcpy(gpuMemory, hostMemory, 1000000 * sizeof(int), cudaMemcpyHostToDevice);
// Synchronize and check errors
cudaDeviceSynchronize();
cudaError_t error = cudaGetLastError();
if (error != CUDA_SUCCESS)
{
result[0] = false;
return;
}
result[0] = true;
}
int main()
{
bool result1 = false;
bool result2 = false;
std::thread t1(gpuThread, 0, &result1);
std::thread t2(gpuThread, 1, &result2);
t1.join(); // Wait for both threads to complete
t2.join();
if (!result1 || !result2) // Verify our threads returned success
std::cout << "Failed\n";
else
std::cout << "Passed\n";
std::cout << "Press a key to exit!\n";
_getch();
return 0;
}
答案
卸载并重新安装程序一天后,看起来这是398.26驱动程序的问题。较新版本399.07可按预期工作。
以上是关于Cuda中的多个GPU - 之前的工作代码,但不再是的主要内容,如果未能解决你的问题,请参考以下文章
GPU cuda代码可以在多个GPU卡上运行而无需任何实现吗?
来自 CUDA 代码的 100% GPU 使用率导致屏幕滞后