คำถาม: มีอีมูเลเตอร์สำหรับการ์ด Geforce ที่อนุญาตให้ฉันตั้งโปรแกรมและทดสอบ CUDA โดยไม่ต้องมีฮาร์ดแวร์จริงหรือไม่?

ข้อมูล:

ฉันต้องการเร่งการจำลองของฉันใน CUDA แต่ปัญหาของฉันคือฉันไม่ได้อยู่ใกล้เดสก์ท็อปของฉันในการพัฒนานี้ ฉันต้องการทำงานบนเน็ตบุ๊กแทน แต่เน็ตบุ๊กของฉันไม่มี GPU เท่าที่ฉันรู้คุณต้องมี GPU ที่รองรับ CUDA เพื่อเรียกใช้ CUDA มีวิธีแก้ปัญหานี้หรือไม่? ดูเหมือนว่าวิธีเดียวคือตัวจำลอง GPU (ซึ่งเห็นได้ชัดว่าจะช้าอย่างเจ็บปวด แต่ก็ใช้งานได้) แต่ไม่ว่าจะทำด้วยวิธีใดฉันก็อยากได้ยิน

ฉันกำลังเขียนโปรแกรมบน Ubuntu 10.04 LTS

สำหรับผู้ที่กำลังมองหาคำตอบในปี 2559 (และปี 2560) ...

ข้อจำกัดความรับผิดชอบ

• ฉันไม่สามารถเลียนแบบ GPU ได้
• อาจเป็นไปได้ที่จะใช้gpuocelotหากคุณปฏิบัติตามรายการการอ้างอิง

ฉันพยายามหาโปรแกรมจำลองสำหรับ BunsenLabs (Linux 3.16.0-4-686-pae # 1 SMP Debian 3.16.7-ckt20-1 + deb8u4 (2016-02-29) i686 GNU / Linux)

ฉันจะบอกคุณว่าฉันได้เรียนรู้อะไรบ้าง

1. nvccเคยมี-deviceemuตัวเลือกกลับมาใน CUDA Toolkit 3.0

   ฉันดาวน์โหลด CUDA Toolkit 3.0 ติดตั้งและพยายามเรียกใช้โปรแกรมง่ายๆ:

   #include <stdio.h>
   
   __global__ void helloWorld() {
       printf("Hello world! I am %d (Warp %d) from %d.\n",
           threadIdx.x, threadIdx.x / warpSize, blockIdx.x);
   }
   
   int main() {
       int blocks, threads;
       scanf("%d%d", &blocks, &threads);
       helloWorld<<<blocks, threads>>>();
       cudaDeviceSynchronize();
       return 0;
   }
   

   โปรดทราบว่าใน CUDA Toolkit 3.0 nvccอยู่ในไฟล์/usr/local/cuda/bin/.

   ปรากฎว่าฉันมีปัญหาในการรวบรวม:

   NOTE: device emulation mode is deprecated in this release
         and will be removed in a future release.
   
   /usr/include/i386-linux-gnu/bits/byteswap.h(47): error: identifier "__builtin_bswap32" is undefined
   
   /usr/include/i386-linux-gnu/bits/byteswap.h(111): error: identifier "__builtin_bswap64" is undefined
   
   /home/user/Downloads/helloworld.cu(12): error: identifier "cudaDeviceSynchronize" is undefined
   
   3 errors detected in the compilation of "/tmp/tmpxft_000011c2_00000000-4_helloworld.cpp1.ii".
   

   ฉันพบบนอินเทอร์เน็ตว่าถ้าฉันใช้gcc-4.2หรือใช้แบบโบราณแทนgcc-4.9.2ข้อผิดพลาดอาจหายไป ฉันยอมแพ้.

   ---

2. gpuocelot

   คำตอบโดย Stringer มีลิงก์ไปยังgpuocelotเว็บไซต์โครงการที่เก่ามาก ตอนแรกฉันคิดว่าโครงการนี้ถูกยกเลิกในปี 2555 หรือประมาณนั้น ที่จริงแล้วมันถูกทิ้งร้างในไม่กี่ปีต่อมา

   นี่คือบางเว็บไซต์ที่ทันสมัย:

   • GitHub ;
   • เว็บไซต์โครงการ ;
   • คู่มือการติดตั้ง

   ฉันพยายามที่จะติดตั้งต่อไปนี้ gpuocelot คู่มือ ฉันมีข้อผิดพลาดหลายอย่างระหว่างการติดตั้งและฉันก็ล้มเลิกอีกครั้ง gpuocelotไม่รองรับอีกต่อไปและขึ้นอยู่กับชุดของไลบรารีและซอฟต์แวร์เวอร์ชันที่เฉพาะเจาะจงมาก

   คุณอาจลองทำตามบทแนะนำนี้ตั้งแต่เดือนกรกฎาคม 2015 แต่ฉันไม่รับประกันว่าจะได้ผล ฉันไม่ได้ทดสอบ

   ---

3. มจร

   เฟรมเวิร์กการแปล MCUDA เป็นเครื่องมือที่ใช้ลินุกซ์ที่ออกแบบมาเพื่อรวบรวมโมเดลการเขียนโปรแกรม CUDA เข้ากับสถาปัตยกรรม CPU อย่างมีประสิทธิภาพ

   มันอาจมีประโยชน์ นี่คือการเชื่อมโยงไปยังเว็บไซต์

   ---

4. ขยะ CUDA

   เป็นโปรแกรมจำลองสำหรับใช้กับ Windows 7 และ 8 ฉันไม่ได้ลองใช้ ดูเหมือนว่าจะไม่ได้รับการพัฒนาอีกต่อไป (คอมมิตสุดท้ายลงวันที่ 4 ก.ค. 2556)

   นี่คือลิงค์ไปยังเว็บไซต์ของโครงการ: https://code.google.com/archive/p/cuda-waste/

5. CU2CL

   ปรับปรุงล่าสุด: 12.03.2017

   ในฐานะที่เป็นdashesyชี้ให้เห็นในความคิดเห็นที่CU2CLน่าจะเป็นโครงการที่น่าสนใจ ดูเหมือนว่าจะสามารถแปลรหัส CUDA เป็นรหัส OpenCL ได้ ดังนั้นหาก GPU ของคุณสามารถรันโค้ด OpenCL ได้โครงการ CU2CL อาจเป็นที่สนใจของคุณ

   ลิงค์:

   • หน้าแรกของ CU2CL
   • ที่เก็บ CU2CL GitHub

คำตอบนี้อาจจะสายเกินไป แต่ก็น่าสังเกตอยู่ดี GPU Ocelot ( ซึ่งฉันเป็นหนึ่งในผู้สนับสนุนหลัก ) สามารถคอมไพล์ได้โดยไม่ต้องติดตั้งไดรเวอร์อุปกรณ์ CUDA (libcuda.so) หากคุณต้องการใช้แบ็กเอนด์ Emulator หรือ LLVM ฉันได้แสดงโปรแกรมจำลองบนระบบที่ไม่มี NVIDIA GPU

ตัวจำลองพยายามใช้ข้อกำหนด PTX 1.4 และ PTX 2.1 อย่างซื่อสัตย์ซึ่งอาจรวมถึงคุณลักษณะที่ GPU รุ่นเก่าไม่รองรับ นักแปล LLVM มุ่งมั่นในการแปลจาก PTX เป็น x86 ที่ถูกต้องและมีประสิทธิภาพซึ่งหวังว่าจะทำให้ CUDA เป็นวิธีที่มีประสิทธิภาพในการเขียนโปรแกรมซีพียูแบบมัลติคอร์และ GPU -deviceemuเป็นคุณลักษณะที่เลิกใช้งานของ CUDA มาระยะหนึ่งแล้ว แต่ตัวแปล LLVM นั้นเร็วกว่าเสมอ

นอกจากนี้ตัวตรวจสอบความถูกต้องหลายตัวถูกสร้างขึ้นในอีมูเลเตอร์เพื่อตรวจสอบ: การเข้าถึงหน่วยความจำที่จัดแนวการเข้าถึงหน่วยความจำแบบแบ่งใช้จะได้รับการซิงโครไนซ์อย่างเหมาะสมและการยกเลิกการอ้างอิงหน่วยความจำส่วนกลางจะเข้าถึงพื้นที่หน่วยความจำที่จัดสรร นอกจากนี้เรายังได้ติดตั้งดีบักเกอร์แบบโต้ตอบบรรทัดคำสั่งซึ่งได้รับแรงบันดาลใจจาก gdb เป็นขั้นตอนเดียวผ่านเมล็ด CUDA ตั้งจุดพักและจุดเฝ้าดู ฯลฯ ... เครื่องมือเหล่านี้ได้รับการพัฒนาโดยเฉพาะเพื่อเร่งการดีบักโปรแกรม CUDA คุณอาจพบว่ามีประโยชน์

ขออภัยเกี่ยวกับด้าน Linux เท่านั้น เราได้เริ่มต้นสาขา Windows ( เช่นเดียวกับพอร์ต Mac OS X ) แต่ภาระด้านวิศวกรรมนั้นมีมากพอที่จะทำให้เราเครียดกับงานวิจัยของเราได้ หากใครมีเวลาและความสนใจก็อาจต้องการให้เราช่วยสนับสนุน Windows!

หวังว่านี่จะช่วยได้

• [1]: GPU Ocelot - https://code.google.com/archive/p/gpuocelot/
• [2]: Ocelot Interactive Debugger - http://forums.nvidia.com/index.php?showtopic=174820

คุณสามารถตรวจสอบโปรเจ็กต์ gpuocelotซึ่งเป็นอีมูเลเตอร์ที่แท้จริงในแง่ที่ว่า PTX (bytecode ซึ่งโค้ด CUDA ถูกแปลงเป็น) จะถูกจำลอง

นอกจากนี้ยังมีตัวแปล LLVM ซึ่งน่าสนใจที่จะทดสอบว่าเร็วกว่าเมื่อใช้ -deviceemu หรือไม่

ชุดเครื่องมือ CUDA มีอยู่ในตัวจนถึงรอบการเผยแพร่ CUDA 3.0 ฉันใช้ CUDA เวอร์ชันเก่ามากเหล่านี้อย่าลืมใช้ -deviceemu เมื่อคอมไพล์ด้วย nvcc

https://github.com/hughperkins/cuda-on-clช่วยให้คุณเรียกใช้โปรแกรมNVIDIA® CUDA ™บน OpenCL 1.2 GPUs (การเปิดเผยข้อมูลทั้งหมด: ฉันเป็นผู้เขียน)

โปรดใช้ความระมัดระวังเมื่อคุณเขียนโปรแกรมโดยใช้ -deviceemu เนื่องจากมีการดำเนินการที่ nvcc จะยอมรับในขณะที่อยู่ในโหมดจำลอง แต่ไม่ใช่เมื่อทำงานบน GPU จริง ส่วนใหญ่จะพบในการโต้ตอบกับโฮสต์อุปกรณ์

และตามที่คุณได้กล่าวไว้เตรียมความพร้อมสำหรับการดำเนินการที่ช้า

GPGPU-Simเป็นโปรแกรมจำลอง GPU ที่สามารถรันโปรแกรม CUDA ได้โดยไม่ต้องใช้ GPU ฉันสร้างอิมเมจนักเทียบท่าโดยติดตั้ง GPGPU-Sim สำหรับตัวเองเผื่อว่าจะเป็นประโยชน์