linuxgpu算力

⑴ linux下有什么GPU通用计算的编译器

国内在GPU通用计算方面的研究也在一些科研机构和院校逐步开展起来。2004年，清华大学利用GPU的并行计算能力和数据流处理能力，在GPU上实现了一种新的辐射度计算方法，并实现了Jacobi迭代法快速求解线性方程组。另外，中科院计算技术研究所、华中科技大学、西南交通大学等也相继针对特定应用在GPU上进行了实验验证。 在GPU通用计算的软件开发环境方面，OpenGL作为事实上的工业标准已为学术界和工业界所普遍接受，其中包括了GPU厂商以及OpenGL架构委员会（ARB）所扩充的函数，以此来实现GPU厂商提供的新功能[14]。DirectX则根据GPU新产品功能的扩充与进展及时的发布新的版本。二者在实现 GPU通用计算方面都需要使用者非常熟悉GPU图形绘制的原理和硬件结构等许多具体问题。

⑵ 如何在linux下查看gpu信息

lspci | grep -i vga
这样就可以显示机器上的显卡信息，比如
[root@localhost conf]# lspci | grep -i vga
01:00.0 VGA compatible controller: nVidia Corporation Device 1081 (rev a1)
02:00.0 VGA compatible controller: nVidia Corporation GT215 [GeForce GT 240] (rev a2)
08:05.0 VGA compatible controller: ASPEED Technology, Inc. ASPEED Graphics Family (rev 10)

如果想看详细的信息，比如 GeForce GT 240，即 02:00.0
[root@localhost conf]# lspci -v -s 02:00.0
02:00.0 VGA compatible controller: nVidia Corporation GT215 [GeForce GT 240] (rev a2) (prog-if 00 [VGA controller])
Subsystem: ASUSTeK Computer Inc. Device 8351
Flags: bus master, fast devsel, latency 0, IRQ 169
Memory at f9000000 (32-bit, non-prefetchable) [size=16M]
Memory at d0000000 (64-bit, prefetchable) [size=256M]
Memory at ce000000 (64-bit, prefetchable) [size=32M]
I/O ports at bc00 [size=128]
[virtual] Expansion ROM at f8f80000 [disabled] [size=512K]
……………………………
可以看到GT240的显存是 256M

⑶ linux查看gpu的命令

1、首先在ubuntu系统中按Ctrl+Alt+T快捷键打开命令输入框，输入“gnome-terminal”命令，然后按回车键即可打开终端：
2、然后在终端中输入命令“lspci | grep -i nvidia”即可得到NVIDIA显卡的信息：
3、最后可以用Linux查看Nvidia显卡信息及使用情况，Nvidia自带一个命令行工具可以查看显存的使用情况，终端输入“nvidia-smi”

⑷ 查看linux电脑gpu的参数

1、Linux查看显卡信息：

lspci | grep -i vga

2、使用nvidia GPU可以：

lspci | grep -i nvidia

表头释义：

• Fan：显示风扇转速，数值在0到100%之间，是计算机的期望转速，如果计算机不是通过风扇冷却或者风扇坏了，显示出来就是N/A；

• Temp：显卡内部的温度，单位是摄氏度；

• Perf：表征性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能；

• Pwr：能耗表示；

• Bus-Id：涉及GPU总线的相关信息；

• Disp.A：是Display Active的意思，表示GPU的显示是否初始化；

• Memory Usage：显存的使用率；

• Volatile GPU-Util：浮动的GPU利用率；

• Compute M：计算模式；

下边的Processes显示每块GPU上每个进程所使用的显存情况。

如果要周期性的输出显卡的使用情况，可以用watch指令实现：

watch -n 10 nvidia-smi

命令行参数-n后边跟的是执行命令的周期，以s为单位。

⑸ 虹软Linux的人脸识别主要是在CPU计算还是GPU计算啊

GPU强大恐怖的并行浮点运算能力是CPU无法媲美的，人脸识别这类运算特别适合GPU。
所以人脸识别软件都专门对GPU进行了特别优化，倚重GPU运算，将极大的提高识别速度和准确率。
当然，某些主机GPU羸弱，这时候只有更多的依赖CPU了。所以识别软件都是GPU、CPU双管齐下的。
但虹软Linux基于cpu

⑹ Linux服务器如何查看GPU信息

Linux查看显卡信息：

[python]view plain

• lspci|grep-ivga

使用nvidia GPU可以：

[python]view plain

• lspci|grep-invidia





表头释义：


• Fan：显示风扇转速，数值在0到100%之间，是计算机的期望转速，如果计算机不是通过风扇冷却或者风扇坏了，显示出来就是N/A；

• Temp：显卡内部的温度，单位是摄氏度；

• Perf：表征性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能；

• Pwr：能耗表示；

• Bus-Id：涉及GPU总线的相关信息；

• Disp.A：是Display Active的意思，表示GPU的显示是否初始化；

• Memory Usage：显存的使用率；

• Volatile GPU-Util：浮动的GPU利用率；

• Compute M：计算模式；

下边的Processes显示每块GPU上每个进程所使用的显存情况。


如果要周期性的输出显卡的使用情况，可以用watch指令实现：

[python]view plain

• watch-n10nvidia-smi

命令行参数-n后边跟的是执行命令的周期，以s为单位。

⑺ 如何在LINUX下进行GPU计算

如果要图形化界面到话，先安装hardinfo ，在终端输入 sudo spt-get install hardinfo 否则可以直接在终端输入lspci查看 可看到显卡信息和cpu，gpu信息。 再去官网或linux论坛，下载对应显卡驱动，就可以得到完整信息并提升显卡发挥的性能

⑻ GPU的浮点运算能力为什么会如此恐怖

它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员现在可以使用C语言来为CUDA™架构编写程序，C语言是应用最广泛的一种高级编程语言。所编写出的程序于是就可以在支持CUDA™的处理器上以超高性能运行。 将来还会支持其它语言，包括FORTRAN以及C++。

随着显卡的发展，GPU越来越强大，而且GPU为显示图像做了优化。在计算上已经超越了通用的CPU。如此强大的芯片如果只是作为显卡就太浪费了，因此NVidia推出CUDA，让显卡可以用于图像计算以外的目的。

目前只有G80、G92、G94和GT200平台的NVidia显卡才能使用CUDA，工具集的核心是一个C语言编译器。G80中拥有128个单独的ALU，因此非常适合并行计算，而且数值计算的速度远远优于CPU。

CUDA的SDK中的编译器和开发平台支持Windows、Linux系统，可以与Visual Studio2005集成在一起。

目前这项技术处在起步阶段，仅支持32位系统，编译器不支持双精度数据等问题要在晚些时候解决。Geforce8CUDA（Compute Unified Device Architecture）是一个新的基础架构，这个架构可以使用GPU来解决商业、工业以及科学方面的复杂计算问题。它是一个完整的GPGPU解决方案，提供了硬件的直接访问接口，而不必像传统方式一样必须依赖图形API接口来实现GPU的访问。

在架构上采用了一种全新的计算体系结构来使用GPU提供的硬件资源，从而给大规模的数据计算应用提供了一种比CPU更加强大的计算能力。CUDA采用C语言作为编程语言提供大量的高性能计算指令开发能力，使开发者能够在GPU的强大计算能力的基础上建立起一种效率更高的密集数据计算解决方案。

⑼ Linux下如何查看GPU的当前工作或者使用情况

如果要图形化界面到话，先安装hardinfo ，在终端输入 sudo spt-get install hardinfo

否则可以直接在终端输入lspci查看
可看到显卡信息和cpu，gpu信息。
再去官网或linux论坛，下载对应显卡驱动，就可以得到完整信息并提升显卡发挥的性能

⑽ 用GPU加速Linux Kernel

由NVIDIA部分资助，Utah大学的研究人员正在进行一项如何利用GPU来加速linux
Kernel的研究。此研究的目的是不仅仅让所有用户正常使用的应用程序(也就是用户空间)利用现代图形处理器(GPU)的强大功能，也让linux
内核的部分(也就是内核空间)能直接运行在GPU上。
在其项目主页上写到：KGPU(即kernel和GPU的合体)的想法是把GPU当成操作系统的协同处理器，允许在linux内核中进行数据的并
行计算。这样允许我们使用SIMD(或者CUDA中的SIMT)风格的代码来加速linux内核功能，让之前认为太过于密集的计算功能进入内核。简单来
说，KGPU为内核增加了矢量运算功能，另外，它是linux内核真正地开始并行化，不仅仅是处理多个并发请求，而且将大的数据计算请求分割到开来，
将这些计算平铺到GPU上大量的核心中。
听起来是一个很新奇的概念，这目前仅是个研究项目，这个KGPU项目离可见的发规模应用还有一些限制因素。最大的问题是，目前linux
内核DRM(Direct
Rendering
Manager)子系统中的开源图形驱动都无法支持GPGPU。虽然目前有OpenCL
Gallium3D
state
tracker
+Clover的计划，但是还远远没有准备好。
因为目前研究使用的是Compute
Unified
Device
Architecture，而且使用NVIDIA最新的闭源专有驱动，故只支持Nvidia的硬件架构。所以更好的选择是拥抱工业标准OpenCL，这样
都对AMD和NVIDIA的GPUs都有很好的支持
在目前KGPU的研究进程中，研究人员已经用GPU-加速的AES密码来加密eCryptfs文件系统，展示了GPU可以用来处理加密技术。
这是KGPU的的Google
Code
page主页。当然还有GitHub。
总结：利用GPU加速linux内核肯定是件很有意义的事情，但是开源的内核图形驱动一定要改善和提高，能够处理OpenCL
和/或GPGPU.