DeepDriving | CUDA编程-01： 搭建CUDA编程环境

本文来源公众号“DeepDriving”，仅用于学术分享，侵权删，干货满满。

原文链接：CUDA编程-01： 搭建CUDA编程环境

1 CUDA简介

CUDA是英伟达开发的一种并行计算平台和编程模型，使用它可以让编程人员非常方便地利用GPU强大的算力。支持CUDA的GPU有数百个内核，可以同时运行数千个计算线程，这些内核拥有共享的资源，包括寄存器文件和共享内存，片上共享内存允许在这些内核上运行的并行任务共享数据而无需通过系统内存总线发送数据。CUDA基于以下设计目的进行开发：

• 为标准编程语言（C/C++）提供一小组扩展支持并行算法的直接实现，使用CUDA C/C++，程序员可以专注于算法的并行化任务，而不是花时间在他们的实施上。

• 支持应用程序同时使用CPU和GPU进行异构计算，应用程序的串行部分在CPU上运行，并行部分则被加载到GPU上运行，CPU和GPU都是拥有独立内存空间的独立设备，允许在CPU和GPU上同时进行计算而不会争用内存资源。因此，CUDA可以增量应用于现有应用程序。

本文将介绍如何在Ubuntu 20.04中安装CUDA开发工具，搭建CUDA编程环境。

2 安装前的准备工作

每个CUDA版本对操作系统和其他依赖工具软件版本的要求可以从该版本的release notes中找到，下图是CUDA 11.0支持的Linux发行版本和相关工具的支持版本，在安装CUDA之前，我们需要做一些准备工作。

1. 验证是否有可用的GPU

要使用CUDA进行并行计算，首要前提是至少有一个英伟达GPU设备。想要知道自己的机器上是否安