Question

我正在尝试使用add.cu从this official nvidia tutorial运行示例nvcc add.cu -o add_cuda; ./add_cuda（见下文）并获取Segmentation fault (core dumped)。

我使用sudo apt install nvidia-cuda-toolkit在Ubuntu 18上安装了nvidia cuda工具包。我有一个NVIDIA GF100GL Quadro 5000，并且正在使用NVIDIA driver metapackage from nvidia-driver-390 (proprietary, tested)

我几乎没有C ++经验，但是从本教程开始的纯C ++代码可以正确编译并运行。

在发表评论后，我添加了用于退回cudaMallocManaged的支票，并得到了operation not supported。

#include <iostream>
#include <math.h>
// Kernel function to add the elements of two arrays
__global__
void add(int n, float *x, float *y)
{
  for (int i = 0; i < n; i++)
    y[i] = x[i] + y[i];
}

int main(void)
{
  int N = 1<<20;
  float *x, *y;

  // Allocate Unified Memory – accessible from CPU or GPU
  cudaMallocManaged(&x, N*sizeof(float));
  cudaMallocManaged(&y, N*sizeof(float));

  // initialize x and y arrays on the host
  for (int i = 0; i < N; i++) {
    x[i] = 1.0f;
    y[i] = 2.0f;
  }

  // Run kernel on 1M elements on the GPU
  add<<<1, 1>>>(N, x, y);

  // Wait for GPU to finish before accessing on host
  cudaDeviceSynchronize();

  // Check for errors (all values should be 3.0f)
  float maxError = 0.0f;
  for (int i = 0; i < N; i++)
    maxError = fmax(maxError, fabs(y[i]-3.0f));
  std::cout << "Max error: " << maxError << std::endl;

  // Free memory
  cudaFree(x);
  cudaFree(y);

  return 0;
}

Answer 1

您的卡属于Fermi家族，具有计算能力2.0版。它不支持here:

中所述的统一内存

K.1.1。系统要求

统一内存有两个基本要求：


SM架构为3.0或更高版本（Kepler类或更高版本）的GPU

64位主机应用程序和非嵌入式操作系统（Linux，Windows，macOS）

CUDA分段错误的简单教程示例

1 个答案:

K.1.1。系统要求