配置gpgpu-sim——基于ubuntu12.04LTS

前言：
在参考了众多大咖对这个小众软件的配置方案之后，我终于也走上了这条不归路，相比博客园的LitLeo前辈20次的失败来说，五次失败的我已经是极为顺利了。首先我要声明这次配置的结果，与之前我所在的实验小组一样，依然有部分的benchmark无法运行，由于目前自己还是一个菜鸟，暂时对这个结局不做过多解释。在下面的描述当中，如果出现任何的错误，欢迎指正。
在一台实体机上配置，我没有使用英伟达显卡驱动，这台计算机使用的显卡型号为ATI Radeon HD5000，但根据某位前辈的博客（忘记了），这不会影响使用cpu进行模拟，但是可能无法支持全部的benchmark。

硬件环境：
主机：惠普康柏CQ42
CPU：intel i3 350m @2.27GHz 2C4T
内存：ddr3 1333 2G*2（据说由于控制器的限制，内存只能降频到1066使用）
硬盘：希捷320G 5400转（非原装）

平台及软件包：
操作系统：ubuntu-12.04.5-desktop-amd64.iso
gcc版本：4.4.7
cuda toolkit：cudatoolkit_4.0.17_linux_64_ubuntu10.10.run
cuda SDK：gpucomputingsdk_4.0.17_linux.run
gpgpu-sim

主要参看的博客：
http://blog.sina.com.cn/s/blog_69e4088d0102v8gb.html（主要）
http://www.cnblogs.com/joseph2012/archive/2011/12/14/2287143.html
https://wenku.baidu.com/view/c8b6fae3240c844768eaee01.html
https://www.cnblogs.com/LitLeo/p/3521833.html

执行顺序：
1，使用usb启动盘安装Ubuntu，具体请参看Ubuntu官方网站，有详细的步骤说明和指引，里面有你完成安装所需的一切。
2，打开终端，$ sudo apt-get update （如果你不首先执行这一步，那么表现出来的很有可能是你的源有问题或者DNS服务器不正确，而实际上它们可能不存在任何问题）。
3，安装gcc，$sudoapt-getinstallbuild-essentialgcc-4.4g++-4.44，根据主要参考的博客，安装X、GL相关库的操作必不可少，实际执行时，这些安装顺序的先后没有影响。此处可以先执行，$sudo apt-get installlibxi-dev libxmu-dev freeglut3-dev 这一操作。
5，安装CUDA工具包，在此之前到英伟达官网下载 cudatoolkit_4.0.17_linux_64_ubuntu10.10.run 和 gpucomputingsdk_4.0.17_linux.run 两个文件。使用root安装cudatoolkit，采用sh命令即可执行。
6，修改/etc/environment文件，将:/usr/local/cuda/bin添加在/usr/games后面。
7，在/etc/ld.so.conf.d目录下创建包含以下两个路径的文件cuda-x86_64.conf，然后执行ldconfig/usr/local/cuda/lib/usr/local/cuda/lib64$ldconfig8，使用普通权限安装gpucomputingsdk，使用sh命令即可。9，更改gcc版本，CUDA4.2暂不支持gcc-4.6,需更改到gcc-4.4.（永久修改）sudoupdate-alternatives--install/usr/bin/gccgcc/usr/bin/gcc-4.4100sudoupdate-alternatives--install/usr/bin/g++g++/usr/bin/g++-4.410010，修改环境变量/.bashrc，在最后添加如下两行，然后source这个文件exportPATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$L{D}_{L}IBRAR{Y}_{P}ATH11，下载libcuda.so绕过因为找不到lcuda而无法顺利编译的错误，将其放在/usr/local/cuda/lib64下即可解决问题。（CSDN可以找到这个资源）12，进入SDK编译目录NVIDI{A}_{G}P{U}_{C}omputin{g}_{S}DK/C，使用make命令开始编译NVIDI{A}_{G}P{U}_{C}omputin{g}_{S}DK/C$make
13，参考如下过程安装库安装GPGPU-sim dependenciessudo apt-get install build-essential xutils-dev bison zlib1g-devflex libglu1-mesa-dev安装GPGPU-sim documentation dependenciessudo apt-get install doxygen graphviz安装AerialVision dependenciessudo apt-get install python-pmw python-ply python-numpylibpng12-dev python-matplotlib安装CUDA SDK dependenciessudo apt-get install libxi-dev libxmu-dev libglut3-dev
14，修改~/.bashrc文件，将最下面修改为
export CUDAHOME=/usr/local/cuda
export CUDA_INSTALL_PATH=/usr/local/cuda
export PATH=$PATH:$CUDA_INSTALL_PATH/bin
export LD_LIBRARY_PATH=$CUD{A}_{I}NSTAL{L}_{P}ATH/lib64:$LD_LIBRARY_PATH:/home/shao/gpgpu-sim/v3.x/lib/gcc-4.4.7/cuda-4000/release:/usr/local/lib64
export NVIDIA_COMPUTE_SDK_LOCATION=/home/shao/NVIDIA_GPU_Computing_SDK
15，官网指引获取gpgpu-sim并编译运行。（由于本人拥有基于虚拟机的gpgpu-sim，是直接移植获取，后续文章会对这个软件的使用进行描述）。