cuda使用普通編譯器
Ⅰ ue5調用cuda程序
UE5是一款游戲引擎，可以通過編寫C++代碼來與CUDA程序進行交互。下面是一些基本步驟：
1. 構建一個C++插件來實現與CUDA的交互；
2. 將CUDA程序編譯為動態鏈接庫（弊做DLL）文件；
3. 在UE5項目中添加動態租仿衡鏈接庫；
4. 在C++插件中使用動態鏈接庫調用CUDA程序。
具體來說，您可以按照以下步驟操作：
1. 在UE5中創建一個新的插件項目。
2. 在插件項目中添加包含CUDA代碼的源文件，並將其編譯為動態鏈接庫。
3. 在插件項目中添加包含CUDA頭文件以及相關庫大卜文件的路徑。
4. 在插件代碼中使用動態鏈接庫調用CUDA程序。
需要注意的是，在開發過程中還需要注意以下幾點：
1. 編譯CUDA程序時需要使用正確的編譯器和CUDA工具包版本；
2. 需要確保CUDA代碼能夠在動態鏈接庫中正常運行；
3. 如果需要在多個平台上使用該插件，則需要對不同平台進行編譯並添加平台特定的代碼。
總的來說，與CUDA的交互需要比較深入的技術知識，我們建議您在開始之前做好充分的准備和了解相關知識。
Ⅱ 如何安裝CUDA
首先驗證你是否有nvidia的顯卡（developer.nvidia.com/cuda-gpus這個網站查看你是否有支持gpu的顯卡）：
[plain] view plain
$ lspci | grep -i nvidia
查看你的linux發行版本（主要是看是64位還是32位的）：
[plain] view plain
$ uname -m && cat /etc/*release
看一下gcc的版本：
[plain] view plain
$ gcc --version
首先下載nvidia cuda的倉庫安裝包（我的是ubuntu 14.0464位，所以下載的是ubuntu14.04的安裝包，如果你是32位的可以參看具體的地址，具體的地址是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
下載完成之後可以使用如下命令安裝它，注意文件名修改為cuda-repo-ubuntu1404_6.5-14_amd64.deb
[plain] view plain
sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb
安裝好倉庫之後，就可以更新你的本地倉庫。
[plain] view plain
sudo apt-get update
最後開始安裝cuda以及顯卡驅動（安裝cuda的同時就會把顯卡驅動也全部安裝好，這個真的很方便。但是下載的時間有點長。）
[plain] view plain
sudo apt-get install cuda
需要注意的是，我這里提供的安裝方法跟網路上各種安裝方法都不一樣，他們的方法往往很復雜
主要是因為：（1）有些教程是手工安裝顯卡的驅動程序，手工屏蔽系統的默認開源的驅動
（2）安裝cuda也是手工進行
使用這個方法的時候千萬要注意幾個問題：
（1）cuda6.5已經不支持老舊的顯卡了所以sm11 等等都必須刪除。可以參考我的另一個文章，關於編譯opencv3.0的
（2）ubuntu14.04是64位的，並且不要一開始就更新系統補丁什麼的，因為系統更新過之後，再安裝顯卡驅動就會無法進入圖形界面，我查看了相關的日誌發現是卡在了dbus那邊。所以，我建議一安裝好ubuntu 14.04就不要更新系統補丁。
安裝完之後你需要設置環境變數：
[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
設置完畢之後，你還可以選擇是否安裝cuda附帶的示例代碼（<dir>表示你要安裝的位置，你可以將<dir>替換成~）：
[plain] view plain
$ cuda-install-samples-6.5.sh <dir>
接下來做一些驗證工作：
查看顯卡的驅動版本
[plain] view plain
cat /proc/driver/nvidia/version
查看nvcc編譯器的版本
[plain] view plain
nvcc -V i
編譯cuda的示例代碼:
[plain] view plain
cd ~/NVIDIA_CUDA-6.5_Samples
然後make一下編譯代碼。
進入bin路徑運行devicequery
[plain] view plain
cd ~/NVIDIA_CUDA-6.5_Samples/bin
[html] view plain
./ deviceQuery
具體的安裝過程可以參考英文。
http://docs.nvidia.com/cuda/cuda-getting-started-guide-for-linux/index.html
這里必須要強調的是一定要是新的ubuntu14.04 在安裝顯卡驅動之前千萬別更新，否則就無法進入桌面，這個問題困擾了我很久了。重裝了是十幾遍的系統。
這篇guide只是一些零散的安裝步驟以及給後來人對於cuda的一些坑上的提醒。
Ⅲ 在vs2010上運行CUDA6.0需要什麼
要在VS2010上運行CUDA6.0，你需要以下幾個步驟:
下載並安裝CUDA Toolkit 6.0
首先，你需要從NVIDIA官網下載CUDA Toolkit 6.0，並按照提示進行安裝。在安裝過程中，請陸枯注意選擇正確的操作系統和Visual Studio版本。
2. 配置Visual Studio
在安裝完成後，你需要啟動Visual Studio，並打開項目屬性配置頁面。在這里，你需要添加CUDA相關的編譯器、鏈接器和頭文件路徑。
具體來說，在C/C++選項卡中，你需要將下列路徑添加到"附加包含目錄"中:
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv6.0include
在鏈接器選項卡中，你需要添加以下路徑到"附加庫目錄":
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv6.0libx64 (如果你的操早和洞作系統是64位的)
最後，在"預處理器定義"中，添加 "_WIN64" 和 "WIN32" 這兩個宏定義。
3. 編寫CUDA程序並運行
現在，你已經完成了配置工作，可以開始棚蠢編寫CUDA程序了。在程序中，你需要使用CUDA提供的語言擴展(如 __global__ 和 __device__)來標識出GPU可執行的函數，並使用CUDA專用的數據類型(如cudaMalloc()和cudaMemcpy())來管理GPU內存。
編寫完CUDA程序後，你可以直接在Visual Studio中編譯和運行程序。在調試過程中，你可以使用Visual Studio提供的調試工具來追蹤CUDA程序的運行狀態。
總結：
要在VS2010上運行CUDA6.0，你需要安裝CUDA Toolkit 6.0，並在Visual Studio中進行配置。之後，你可以編寫和調試CUDA程序，並使用Visual Studio提供的工具來優化程序性能和調試錯誤。
Ⅳ cuda主要用於哪。具體是什麼。
CUDA CUDA(Compute Unified Device Architecture)，顯卡廠商NVidia推出的運算平台。 CUDA是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決復雜的計算問題。 它包含了CUDA指令集架構（ISA）以及GPU內部的並行計算引擎。 開發人員現在可以使用C語言來為CUDA架構編寫程序，C語言是應用最廣泛的一種高級編程語言。所編寫出的程序於是就可以在支持CUDA的處理器上以超高性能運行。 將來還會支持其它語言，包括FORTRAN以及C++。 隨著顯卡的發展，GPU越來越強大，而且GPU為顯示圖像做了優化。在計算上已經超越了通用的CPU。如此強大的晶元如果只是作為顯卡就太浪費了，因此NVidia推出CUDA，讓顯卡可以用於圖像計算以外的目的。 目前只有G80、G92、G94和GT200平台的NVidia顯卡才能使用CUDA，工具集的核心是一個C語言編譯器。G80中擁有128個單獨的ALU，因此非常適合並行計算，而且數值計算的速度遠遠優於CPU。 CUDA的SDK中的編譯器和開發平台支持Windows、Linux系統，可以與Visual Studio2005集成在一起。 Geforce8CUDA（Compute Unified Device Architecture）是一個新的基礎架構，這個架構可以使用GPU來解決商業、工業以及科學方面的復雜計算問題。它是一個完整的GPGPU解決方案，提供了硬體的直接訪問介面，而不必像傳統方式一樣必須依賴圖形API介面來實現GPU的訪問。在架構上採用了一種全新的計算體系結構來使用GPU提供的硬體資源，從而給大規模的數據計算應用提供了一種比CPU更加強大的計算能力。CUDA採用C語言作為編程語言提供大量的高性能計算指令開發能力，使開發者能夠在GPU的強大計算能力的基礎上建立起一種效率更高的密集數據計算解決方案。 從CUDA體系結構的組成來說，包含了三個部分：開發庫、運行期環境和驅動（表2）。 開發庫是基於CUDA技術所提供的應用開發庫。目前CUDA的1.1版提供了兩個標準的數學運算庫——CUFFT（離散快速傅立葉變換）和CUBLAS（離散基本線性計算）的實現。這兩個數學運算庫所解決的是典型的大規模的並行計算問題，也是在密集數據計算中非常常見的計算類型。開發人員在開發庫的基礎上可以快速、方便的建立起自己的計算應用。此外，開發人員也可以在CUDA的技術基礎上實現出更多的開發庫。 運行期環境提供了應用開發介面和運行期組件，包括基本數據類型的定義和各類計算、類型轉換、內存管理、設備訪問和執行調度等函數。基於CUDA開發的程序代碼在實際執行中分為兩種，一種是運行在CPU上的宿主代碼（Host Code），一種是運行在GPU上的設備代碼（Device Code）。不同類型的代碼由於其運行的物理位置不同，能夠訪問到的資源不同，因此對應的運行期組件也分為公共組件、宿主組件和設備組件三個部分，基本上囊括了所有在GPGPU開發中所需要的功能和能夠使用到的資源介面，開發人員可以通過運行期環境的編程介面實現各種類型的計算。 由於目前存在著多種GPU版本的NVidia顯卡，不同版本的GPU之間都有不同的差異，因此驅動部分基本上可以理解為是CUDA-enable的GPU的設備抽象層，提供硬體設備的抽象訪問介面。CUDA提供運行期環境也是通過這一層來實現各種功能的。目前基於CUDA開發的應用必須有NVIDIA CUDA-enable的硬體支持，NVidia公司GPU運算事業部總經理Andy Keane在一次活動中表示：一個充滿生命力的技術平台應該是開放的，CUDA未來也會向這個方向發展。由於CUDA的體系結構中有硬體抽象層的存在，因此今後也有可能發展成為一個通用的GPGPU標准介面，兼容不同廠商的GPU產品 CUDA 工具包是一種針對支持CUDA功能的GPU（圖形處理器）的C語言開發環境。CUDA開發環境包括: · nvcc C語言編譯器 · 適用於GPU（圖形處理器）的CUDA FFT和BLAS庫 · 分析器 · 適用於GPU（圖形處理器）的gdb調試器（在2008年3月推出alpha版） · CUDA運行時（CUDA runtime）驅動程序（目前在標準的NVIDIA GPU驅動中也提供） · CUDA編程手冊 CUDA開發者軟體開發包（SDK）提供了一些範例（附有源代碼），以幫助使用者開始CUDA編程。這些範例包括: · 並行雙調排序 · 矩陣乘法 · 矩陣轉置 · 利用計時器進行性能評價 · 並行大數組的前綴和（掃描） · 圖像卷積 · 使用Haar小波的一維DWT · OpenGL和Direct3D圖形互操作示例 · CUDA BLAS和FFT庫的使用示例 · CPU-GPU C—和C++—代碼集成 · 二項式期權定價模型 · Black-Scholes期權定價模型 · Monte-Carlo期權定價模型 · 並行Mersenne Twister（隨機數生成） · 並行直方圖 · 圖像去噪 · Sobel邊緣檢測濾波器 · MathWorks MATLAB® 新的基於1.1版CUDA的SDK 範例現在也已經發布了。 技術功能 ·在GPU（圖形處理器）上提供標准C編程語言 · 為在支持CUDA的NVIDIA GPU（圖形處理器）上進行並行計算而提供了統一的軟硬體解決方案 · CUDA兼容的GPU（圖形處理器）包括很多：從低功耗的筆記本上用的GPU到高性能的，多GPU的系統。 · 支持CUDA的GPU（圖形處理器）支持並行數據緩存和線程執行管理器 · 標准FFT（快速傅立葉變換）和BLAS（基本線性代數子程序）數值程序庫 · 針對計算的專用CUDA驅動 · 經過優化的，從中央處理器（CPU）到支持CUDA的GPU（圖形處理器）的直接上傳、下載通道 · CUDA驅動可與OpenGL和DirectX圖形驅動程序實現互操作 · 支持Linux 32位/64位以及Windows XP 32位/64位 操作系統 · 為了研究以及開發語言的目的，CUDA提供對驅動程序的直接訪問，以及匯編語言級的訪問 NVIDIA進軍高性能計算領域，推出了Tesla&CUDA高性能計算系列解決方案，CUDA技術，一種基於NVIDIA圖形處理器（GPU）上全新的並行計算體系架構，讓科學家、工程師和其他專業技術人員能夠解決以前無法解決的問題，作為一個專用高性能GPU計算解決方案，NVIDIA把超級計算能夠帶給任何工作站或伺服器，以及標准、基於CPU的伺服器集群 CUDA是用於GPU計算的開發環境，它是一個全新的軟硬體架構，可以將GPU視為一個並行數據計算的設備，對所進行的計算進行分配和管理。在CUDA的架構中，這些計算不再像過去所謂的GPGPU架構那樣必須將計算映射到圖形API（OpenGL和Direct 3D）中，因此對於開發者來說，CUDA的開發門檻大大降低了。CUDA的GPU編程語言基於標準的C語言，因此任何有C語言基礎的用戶都很容易地開發CUDA的應用程序。 由於GPU的特點是處理密集型數據和並行數據計算，因此CUDA非常適合需要大規模並行計算的領域。目前CUDA除了可以用C語言開發，也已經提供FORTRAN的應用介面，未來可以預計CUDA會支持C++、Java、Python等各類語言。可廣泛的應用在圖形動畫、科學計算、地質、生物、物理模擬等領域。 2008年NVIDIA推出CUDA SDK2.0版本，大幅提升了CUDA的使用范圍。使得CUDA技術愈發成熟 目前，支持CUDA的GPU銷量已逾1億，數以千計的軟體開發人員正在使用免費的CUDA軟體開發工具來解決各種專業以及家用應用程序中的問題。這些應用程序從視頻與音頻處理和物理效果模擬到石油天然氣勘探、產品設計、醫學成像以及科學研究，涵蓋了各個領域。 目前市面上已經部署了超過一億顆支持CUDA的GPU，數以千計的軟體開發人員正在使用免費的CUDA軟體工具來為各種應用程序加速。 CUDA 的核心有三個重要抽象概念： 線程組層次結構、共享存儲器、屏蔽同步（ barrier synchronization），可輕松將其作為C 語言的最小擴展級公開給程序員。 CUDA 軟體堆棧由幾層組成，一個硬體驅動程序，一個應用程序編程介面(API) 和它的Runtime， 還有二個高級的通用數學庫，CUFFT 和CUBLAS。硬體被設計成支持輕 量級的驅動和Runtime 層面，因而提高性能。
Ⅳ linux下CUDA程序一般怎麼編譯
有以下步驟：
1.源程序的編譯
在Linux下面,如果要編譯一個C語言源程序,我們要使用GNU的gcc編譯器. 下面
我們以一個實例來說明如何使用gcc編譯器.
假設我們有下面一個非常簡單的源程序(hello.c):
int main(int argc,char **argv)
{
printf("Hello Linux\n");
}
要編譯這個程序,我們只要在命令行下執行:
gcc -o hello hello.c
gcc 編譯器就會為我們生成一個hello的可執行文件.執行./hello就可以看到程
序的輸出結果了.命令行中 gcc表示我們是用gcc來編譯我們的源程序,-o 選項表示
我們要求編譯器給我們輸出的可執行文件名為hello 而hello.c是我們的源程序文件.
gcc編譯器有許多選項,一般來說我們只要知道其中的幾個就夠了. -o選項我們
已經知道了,表示我們要求輸出的可執行文件名. -c選項表示此慧我們只要求編譯器輸出
目標代碼,而不必要輸出可執行文件. -g選項拍扒差表示我們要求編譯器在編譯的時候提
供我們以後對程序進行調試的信息.
知道了這三個選項,我們就可以編譯我們自己所寫的簡單的源程序了,如果你
想要知道更多的選項,可以查看gcc的幫助文檔,那裡有著許多對其它選項的詳細說
明.
2.Makefile的編寫
假設我們有下面這樣的一個程序,源代碼如下襲皮:
#include "mytool1.h"
#include "mytool2.h"
int main(int argc,char **argv)
{
mytool1_print("hello");
mytool2_print("hello");
}
#ifndef _MYTOOL_1_H
#define _MYTOOL_1_H
void mytool1_print(char *print_str);
#endif
#include "mytool1.h"
void mytool1_print(char *print_str)
{
printf("This is mytool1 print %s\n",print_str);
}
#ifndef _MYTOOL_2_H
#define _MYTOOL_2_H
void mytool2_print(char *print_str);
#endif
#include "mytool2.h"
void mytool2_print(char *print_str)
{
printf("This is mytool2 print %s\n",print_str);
}
當然由於這個程序是很短的我們可以這樣來編譯
gcc -c main.c
gcc -c mytool1.c
gcc -c mytool2.c
gcc -o main main.o mytool1.o mytool2.o
這樣的話我們也可以產生main程序,而且也不時很麻煩.但是如果我們考慮一
下如果有一天我們修改了其中的一個文件(比如說mytool1.c)那麼我們難道還要重
新輸入上面的命令?也許你會說,這個很容易解決啊,我寫一個SHELL腳本,讓她幫我
去完成不就可以了.是的對於這個程序來說,是可以起到作用的.但是當我們把事情
想的更復雜一點,如果我們的程序有幾百個源程序的時候,難道也要編譯器重新一
個一個的去編譯?
為此,聰明的程序員們想出了一個很好的工具來做這件事情,這就是make.我們
只要執行以下make,就可以把上面的問題解決掉.在我們執行make之前,我們要先
編寫一個非常重要的文件.--Makefile.對於上面的那個程序來說,可能的一個
Makefile的文件是:
# 這是上面那個程序的Makefile文件
main:main.o mytool1.o mytool2.o
gcc -o main main.o mytool1.o mytool2.o
main.o:main.c mytool1.h mytool2.h
gcc -c main.c
mytool1.o:mytool1.c mytool1.h
gcc -c mytool1.c
mytool2.o:mytool2.c mytool2.h
gcc -c mytool2.c
有了這個Makefile文件,不過我們什麼時候修改了源程序當中的什麼文件,我們
只要執行make命令,我們的編譯器都只會去編譯和我們修改的文件有關的文件,其
它的文件她連理都不想去理的.
下面我們學習Makefile是如何編寫的.
在Makefile中也#開始的行都是注釋行.Makefile中最重要的是描述文件的依賴
關系的說明.一般的格式是:
target: components
TAB rule
第一行表示的是依賴關系.第二行是規則.
比如說我們上面的那個Makefile文件的第二行
main:main.o mytool1.o mytool2.o
表示我們的目標(target)main的依賴對象(components)是main.o mytool1.o
mytool2.o 當倚賴的對象在目標修改後修改的話,就要去執行規則一行所指定的命
令.就象我們的上面那個Makefile第三行所說的一樣要執行 gcc -o main main.o
mytool1.o mytool2.o 注意規則一行中的TAB表示那裡是一個TAB鍵
Makefile有三個非常有用的變數.分別是$@,$^,$<代表的意義分別是:
$@--目標文件,$^--所有的依賴文件,$<--第一個依賴文件.
如果我們使用上面三個變數,那麼我們可以簡化我們的Makefile文件為:
# 這是簡化後的Makefile
main:main.o mytool1.o mytool2.o
gcc -o $@ $^
main.o:main.c mytool1.h mytool2.h
gcc -c $<
mytool1.o:mytool1.c mytool1.h
gcc -c $<
mytool2.o:mytool2.c mytool2.h
gcc -c $<
經過簡化後我們的Makefile是簡單了一點,不過人們有時候還想簡單一點.這里
我們學習一個Makefile的預設規則
.c.o:
gcc -c $<
這個規則表示所有的 .o文件都是依賴與相應的.c文件的.例如mytool.o依賴於
mytool.c這樣Makefile還可以變為:
# 這是再一次簡化後的Makefile
main:main.o mytool1.o mytool2.o
gcc -o $@ $^
.c.o:
gcc -c $<
好了,我們的Makefile 也差不多了,如果想知道更多的關於Makefile規則可以查
看相應的文檔.
3.程序庫的鏈接
試著編譯下面這個程序
#include
int main(int argc,char **argv)
{
double value;
printf("Value:%f\n",value);
}
這個程序相當簡單,但是當我們用 gcc -o temp temp.c 編譯時會出現下面所示
的錯誤.
/tmp/cc33Ky.o: In function `main':
/tmp/cc33Ky.o(.text+0xe): undefined reference to `log'
collect2: ld returned 1 exit status
出現這個錯誤是因為編譯器找不到log的具體實現.雖然我們包括了正確的頭
文件,但是我們在編譯的時候還是要連接確定的庫.在Linux下,為了使用數學函數,我
們必須和數學庫連接,為此我們要加入 -lm 選項. gcc -o temp temp.c -lm這樣才能夠
正確的編譯.也許有人要問,前面我們用printf函數的時候怎麼沒有連接庫呢?是這樣
的,對於一些常用的函數的實現,gcc編譯器會自動去連接一些常用庫,這樣我們就沒
有必要自己去指定了. 有時候我們在編譯程序的時候還要指定庫的路徑,這個時候
我們要用到編譯器的 -L選項指定路徑.比如說我們有一個庫在 /home/hoyt/mylib下
,這樣我們編譯的時候還要加上 -L/home/hoyt/mylib.對於一些標准庫來說,我們沒
有必要指出路徑.只要它們在起預設庫的路徑下就可以了.系統的預設庫的路徑/lib
/usr/lib /usr/local/lib 在這三個路徑下面的庫,我們可以不指定路徑.
還有一個問題,有時候我們使用了某個函數,但是我們不知道庫的名字,這個時
候怎麼辦呢?很抱歉,對於這個問題我也不知道答案,我只有一個傻辦法.首先,我到
標准庫路徑下面去找看看有沒有和我用的函數相關的庫,我就這樣找到了線程
(thread)函數的庫文件(libpthread.a). 當然,如果找不到,只有一個笨方法.比如我要找
sin這個函數所在的庫. 就只好用 nm -o /lib/*.so|grep sin>~/sin 命令,然後看~/sin
文件,到那裡面去找了. 在sin文件當中,我會找到這樣的一行libm-2.1.2.so:00009fa0
W sin 這樣我就知道了sin在 libm-2.1.2.so庫裡面,我用 -lm選項就可以了(去掉前面
的lib和後面的版本標志,就剩下m了所以是 -lm).
4.程序的調試
我們編寫的程序不太可能一次性就會成功的,在我們的程序當中,會出現許許
多多我們想不到的錯誤,這個時候我們就要對我們的程序進行調試了.
最常用的調試軟體是gdb.如果你想在圖形界面下調試程序,那麼你現在可以選
擇xxgdb.記得要在編譯的時候加入 -g選項.關於gdb的使用可以看gdb的幫助文件.由
於我沒有用過這個軟體,所以我也不能夠說出如何使用. 不過我不喜歡用gdb.跟蹤
一個程序是很煩的事情,我一般用在程序當中輸出中間變數的值來調試程序的.當
然你可以選擇自己的辦法,沒有必要去學別人的.現在有了許多IDE環境,裡面已經自
己帶了調試器了.你可以選擇幾個試一試找出自己喜歡的一個用.
5.頭文件和系統求助
有時候我們只知道一個函數的大概形式,不記得確切的表達式,或者是不記得函數在那個頭文件進行了說明.這個時候我們可以求助系統，比如說我們想知道fread這個函數的確切形式,我們只要執行 man fread 系統就會輸出著函數的詳細解釋的.和這個函數所在的頭文件說明了。如果我們要write這個函數說明，當我們執行man write時，輸出的結果卻不是我們所需要的。因為我們要的是write這個函數的說明，可是出來的卻是write這個命令的說明。為了得到write的函數說明我們要用man 2 write。2表示我們用的是write這個函數是系統調用函數，還有一個我們常用的是3表示函數是c的庫函數。
Ⅵ linux下CUDA程序一般怎麼編譯
需要編寫Makefile 可以參照gcc的Makefile編寫一個 cu格式是cuda的程橡銀序么？ 那調用的編譯器應該有所區別 Makefile里需要稿如沒指定編譯器 CC:=gcc gcc改成你用的編譯鍵納器
Ⅶ CUDA支持的Fortran編譯器現在只有PGI嗎
目前來說，是只有PGI的fortran才能編譯成cuda。雖然已經開放了介面，但別扮消的編譯器還沒有開始動作。畢竟CUDA是個新生事物，旁缺首況且還有opencl這樣的東西。
話說cuda還是用C寫比較好，編譯器自動並運數行的，總感覺心裡不踏實。
Ⅷ 什麼是CUDA
CUDA(Compute Unified Device Architecture)，顯卡廠商NVidia推出的運算平台。 CUDA™是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決復雜的計算問題。 它包含了CUDA指令集架構(ISA)以及GPU內部的並行計算引擎。
隨著顯卡的發展，GPU越來越強大，而且GPU為顯示圖像做了優化。在計算上已經超越了通用的CPU。如此強大的晶元如果只是作為顯卡就太浪費了，因此NVidia推出CUDA，讓顯卡可以用於圖像計算以外的目的。
簡單來講，比如通過CUDA架構，視頻播放軟體可以充分挖掘NVIDIA系列顯卡的GPU並行計算能力，輕松進行高清影片的播放，與軟體高清解碼相比，CPU佔用可以下降一半以上。當然，CUDA的應用領域絕不僅僅是視頻、圖形、游戲，包括各種3D和建模，醫療、能源、科學研究等，到處都可見到這種技術架構的應用。
支持CUDA的硬體環境需要有NVidia GF8系列及以上型號的顯卡，並且安裝185版本以上的顯卡驅動程序。以QQ影音播放器來講，要想開啟CUDA硬體解碼加速，可以打開QQ影音的「播放器設置」，進入「高清加速」面板，在「硬體優化」中選擇「自定義優化模式」，然後在「濾鏡配置」中的「視頻解碼器」中自定義選擇相應的「QQ CUDA Video Decoder(CUDADecFilter.ax)」即可。而關閉CUDA加速，只需取消選擇「QQ CUDA Video Decoder(CUDADecFilter.ax)」，或者切換到「智能高清模式」或「穩定兼容模式」通過這種高清解碼定義的開啟，並不是說你的畫質能夠提升多少，而是提升高清視頻播放時的流暢以及降低CPU的佔用。這個時候，節約下來的CPU空間，可以允許你再去做別的工作，這樣就會大大提升你的工作效率，而不至於除了看視頻，其他的什麼都不能做了。
Ⅸ CUDA是不是一個程序編譯器，就如同計算機語言一樣使GPU也能演算其他程序
GPU的特長是強大的並行運算能力，CUDA是一種計算統一設備體系結構，NVIDIA希望GPU也可以進行通用並行運算，因而在很早以顫則凱前就提出過GPGPU但是因為適用盯芹面太窄或者成本極高等原因進展緩慢，
CUDA基於C，茄喚程序員只需進行簡單的培訓即可進行基於GPU的程序設計，但是還要強調的一點就是GPU擅長的是並行運算，如果遇到串列運算，那麼將會力不從心。
現在還有OpenCL，它可以充分調用GPU和CPU使其可以優勢互補.
CUDA是一種開發環境。