程序猿视角

nvidia-smi（NVIDIA System Management Interface）是一种命令行实用程序，主要用于监控和管理NVIDIA GPU（图形处理器）的状态和性能。它提供了一个简单而强大的方式来获取有关GPU的实时信息，这些信息包括GPU的使用情况、温度、内存占用等，同时也支持进行一些基本的管理操作。在大多数情况下，nvidia-smi是与NVIDIA GPU驱动程序一起安装的。

在系统重启后，您应该已经成功安装了 NVIDIA GPU 驱动程序。如果您有 CUDA 或 cuDNN 等附加组件，则可以按照其官方文档安装相应版本。首先，确认您的系统已经安装了 Secure Boot 模块。Secure Boot 是一项技术，可防止您的系统启动被未授权硬件或软件损害。替换为您所需的 NVIDIA 驱动程序版本号（例如。如果 Secure Boot 已启用，则输出应该是。如果您已经知道您的 GPU 型号，可以跳过此步。添加 NVIDIA 的软件源。安装完成后，重启系统。

这个命令将返回当前PyTorch安装所使用的CUDA版本。如果返回值为None，那么PyTorch并未使用CUDA。请注意，如果您同时安装了多个CUDA版本，则PyTorch将使用其中的一个版本。在这种情况下，建议您先通过nvcc -V命令检查各版本CUDA的版本号，并确认PyTorch使用的是您所期望的版本。

Jetson Nano 的序列号保存在路径 /sys/firmware/devicetree/base/serial-number。用下面命令可以查看：$ cat /sys/firmware/devicetree/base/serial-number1423920058691官网对这个序列号的解释是：资产跟踪编号，与设备识别标签上的编号相对应的唯一字符串。用0x00或0xFF字符填充的字符串。实际上，serial-number 这个文件的内容保存在核心板的EEPROM中，具体可参见英伟达官网介绍 J

int NvBufSurfaceMapEglImage( NvBufSurface * surf, int index ) Creates an EGLImage from the memory of one or more [NvBufSurface](https://docs.nvidia.com/metropolis/deepstream/4.0/dev-guide/DeepStream_Development_Guide/baggage/structNvBufSurface.html

函数声明CUresult cuGraphicsEGLRegisterImage ( CUgraphicsResource* pCudaResource, EGLImageKHR image, unsigned int flags )功能注册一幅 EGL 图像。参数pCudaResource指向返回对象句柄的指针image可用于创建目标资源的 EGLImageKHR 映像。flags映射标志（Map flags）返回值CUDA_SUCCESS, CUDA_ERROR_INVALID

本文版权说明：原文链接：https://www.cnblogs.com/csuftzzk/p/cuda_opengl_interoperability.html作者：24K纯开源 Email: zhangzhongke007@163.com出处：http://www.cnblogs.com/csuftzzk/本文版权归24K纯开源和博客园共同拥有，欢迎转载，但未经作者同意必须保留此声明，且在文章明显位置给出原文链接，否则保留追究法律责任的权利。一、介绍CUDA是Nvidia推出的一个通用G

Nano 入门手册英伟达深度学习AI网站英伟达开发者博客英伟达开发者论坛jetbot智能小车学习GLIB 官网gStreamer 官方教程资源大全英伟达 Jetson Nano 官方资源大全Developer ZOne：Cuda Kit Decument

jetson nano默认已经安装了CUDA10.0，但是直接运行 nvcc -V是不会成功的，需要你把CUDA的路径写入环境变量中。$ sudo gedit ~/.bashrc在最后添加export CUBA_HOME=/usr/local/cuda-10.0export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATHexport PATH=/usr/local/cuda-10.0/bin:$PATH然后保存退出对

1Cuda 是一个海量线程的框架。2一个 Cuda 程序，就是一个 Grid 结构，它包含了一大堆一模一样的 Block。一个 GPU 硬件，就是一个并行计算架构，它包含了一大堆一模一样的 SM 处理器。3一个 Cuda 程序分派到一个 GPU 上去运行，实际上就是把一大堆 Block 扔到 一大堆 SM 处理器上。Cuda 程序要想取得最佳的并行运算效率，Block 的数量应该是 SM 处理器数量的整数倍，这样才能让每个 SM 都没有机会闲着。所以，编写一个 Cuda 之前，记得先看看你的

1. Cuda 线程的 Grid 架构Cuda 线程分为 Grid 和 Block 两个级别，Grid、Block、Thread 的关系如下图。一个核函数目前只包括一个 Grid，也就是图中的 Grid0。一个 Grid 可以包括若干 Block，具体数量的上限没有查到。一个 Block可以最多包括 512 个 Thread。2. GPU 的 SM 架构GPU 由多个 SM 处理器构成，一个 SM 处理器包含 8 个 SP 核。一个 SP 核可同时处理 32 个线程，实际上就是同一套指令重