【CUDA】保姆级用学校服务器长途编写运行CUDA代码-jupyter ...

0 前言

关于如何用xshell连学校服务器，我在之前的博客中已经详细先容了，不会的可以去看看。
VScode/Xshell毗连学校服务器
学校服务器安装anaconda并设置pytorch环境
1 检查当前体系是否支持CUDA

1. conda activate pytorch
2. # 激活pytorch环境
4. python # 进入python环境
6. import torch # 导入torch
8. torch.cuda.is_available() # 检查当前系统是否支持CUDA

复制代码

如果最后是True即可，如果是False则需看0小节前言中的博客如何安装cuda在学校服务器上
2 在 Jupyter 中编写和实行代码

在 Jupyter 中编写和实行代码的主要目标是进行数据分析、数据可视化、实验计算、机器学习模型练习等使命。我们可以分步实行代码块，实时检察效果，并进行实验和调试。
首先要先相识实验室服务器的jupyter端标语是什么

网页地点为：http://服务器ip地点:jupyter端标语
好比：
服务器ip地点为：172.21.252.145
jupyter端标语：8887
网页地点为：http://172.21.252.145:8887

• Terminal（终端）：Terminal 可以让用户直接在 Jupyter Notebook 界面中打开一个终端窗口，并在此中实行命令行操作。
  
• Text File（文本文件）：Text File 功能答应用户创建、编辑和检察文本文件。
  
• Markdown File：Markdown File 功能答应用户创建和编辑 Markdown 格式的文档。
  
• Tensorboard：Tensorboard 是 TensorFlow 深度学习框架提供的可视化工具，用于帮助用户可视化练习过程中的模型指标、参数、图表等。
  
• Contextual Help（上下文帮助）：Contextual Help 功能提供了代码提示和文档检察功能，用户可以在编辑代码时方便地查阅相关函数、模块的文档和帮助信息。
  

3 打开终端 激活pytorch环境

1. conda activate pytorch

复制代码

4 创建新文件（.cu格式）

在launch启动器Text File中创建

我们可以尝试运行这段代码：
我是参考博客中的代码：CUDA 编程——Vector Addition

1. #include <stdio.h>
2. #include <time.h>
3. #include <math.h>
4. #include "cuda_runtime.h"
5. #include "device_launch_parameters.h"
8. int main()
9. {
10.     cudaDeviceProp deviceProp;
11.     cudaGetDeviceProperties(&deviceProp, 0);
12.     printf("设备名称与型号: %s\n", deviceProp.name);
13.     printf("显存大小: %d MB\n", (int)(deviceProp.totalGlobalMem / 1024 / 1024));
14.     printf("含有的SM数量: %d\n", deviceProp.multiProcessorCount);
15.     printf("CUDA CORE数量: %d\n", deviceProp.multiProcessorCount * 192);
16.     printf("计算能力: %d.%d\n", deviceProp.major, deviceProp.minor);
17. }

复制代码

将文件改为.cu后缀格式

5 实行代码

在终端terminal中输入

1. nvcc test.cu -o test.out

复制代码

这个命令nvcc test.cu -o test.out
是用于使用 NVIDIA 的 CUDA 编译器（nvcc）编译 CUDA 源代码文件test.cu，并将天生的可实行文件命名为test.out

运行当前目次下名为test.out的可实行文件，输入下面这段代码

1. ./test.out

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。