របៀបដំឡើង CUDA នៅលើ Windows ដោយគ្មានកំហុស៖ ការណែនាំសម្រាប់អ្នកអភិវឌ្ឍន៍ និងអ្នកបង្កើត

ការដំឡើង CUDA នៅលើ Windows វាមិនចាំបាច់ឈឺក្បាលទេ ប្រសិនបើអ្នកដឹងពីកន្លែងដែលត្រូវចាប់ផ្តើម និងអ្វីដែលត្រូវពិនិត្យមើលនៅជំហាននីមួយៗ។ នៅក្នុងអត្ថបទនេះខ្ញុំនឹងណែនាំអ្នកនៅក្នុងវិធីជាក់ស្តែងមួយ។ជាមួយនឹងភាពឆបគ្នាទាំងអស់ ការដំឡើង ការផ្ទៀងផ្ទាត់ និងការដោះស្រាយបញ្ហាទូទៅ ដើម្បីធានាថាប្រអប់ឧបករណ៍ដំណើរការយ៉ាងល្អឥតខ្ចោះនៅលើកុំព្យូទ័ររបស់អ្នកជាលើកដំបូង។

បន្ថែមពីលើការគ្របដណ្តប់លើការដំឡើងឧបករណ៍បុរាណនៅលើ Windows អ្នកក៏នឹងឃើញពីរបៀបប្រើ CUDA ជាមួយ WSL ដំឡើងវាជាមួយ Conda ឬ pip ចងក្រងឧទាហរណ៍ជាមួយ Visual Studio និងស្វែងយល់ពីម៉ូដែលកម្មវិធីបញ្ជា NVIDIA ផ្សេងៗគ្នានៅលើ Windows ។ ព័ត៌មានត្រូវបានបង្រួបបង្រួម និងទាន់សម័យ។ ផ្អែកលើមគ្គុទ្ទេសក៍ផ្លូវការ និងសេណារីយ៉ូក្នុងជីវិតពិតដែលអាចកើតឡើងចំពោះអ្នក ដូចជាកុំព្យូទ័រយួរដៃដែលមាន AMD iGPU កូនកាត់ + NVIDIA dGPU GPU ជាដើម។

តើ CUDA ជាអ្វី ហើយតើវាផ្តល់អ្វីខ្លះនៅក្នុង Windows?

CUDA វាគឺជាវេទិកា និងគំរូកម្មវិធីប៉ារ៉ាឡែលរបស់ NVIDIA ដែលអនុញ្ញាត បង្កើនល្បឿនកម្មវិធីជាមួយ GPUពី AI និងវិទ្យាសាស្ត្រទិន្នន័យ រហូតដល់ការក្លែងធ្វើ និងដំណើរការរូបភាព។ នៅលើកម្រិតជាក់ស្តែង ការដំឡើង CUDA Toolkit នៅលើ Windows ផ្តល់ឱ្យអ្នកនូវ nvcc compiler, runtime, libraries ដូចជា cuBLAS, cuFFT, cuRAND និង cuSOLVER ឧបករណ៍បំបាត់កំហុស និងទម្រង់ និងឧទាហរណ៍ដែលត្រៀមរួចជាស្រេចដើម្បីចងក្រង។

ការរចនា CUDA ធ្វើឱ្យវាងាយស្រួលក្នុងការលាយ CPU និង GPU នៅក្នុងកម្មវិធីដូចគ្នា៖ ផ្នែក ស៊េរីនៅក្នុងខួរក្បាល និងផ្នែកប៉ារ៉ាឡែលនៅលើ GPU ដែលផ្តល់ខ្សែស្រឡាយរាប់រយ ឬរាប់ពាន់ដែលដំណើរការស្របគ្នា។ សូមអរគុណចំពោះអង្គចងចាំនៅលើបន្ទះឈីបដែលបានចែករំលែក និងបណ្ណាល័យដែលបានកែលម្អ ការលោតផ្លោះ ជាធម្មតាវាគួរឱ្យកត់សម្គាល់នៅក្រោមបន្ទុកដែលពឹងផ្អែកខ្លាំង។

ភាពឆបគ្នានៃប្រព័ន្ធ និងកម្មវិធីចងក្រងនៅក្នុង Windows

មុនពេលប្រើកម្មវិធីដំឡើង គួរតែពិនិត្យមើលភាពឆបគ្នា។ វីនដូដែលត្រូវគ្នា។ កំណែថ្មីៗនៃកញ្ចប់ឧបករណ៍រួមមាន: Windows 11 24H2, 23H2 និង 22H2-SV2; Windows 10 22H2; និង Windows Server 2022 និង 2025។

នៅក្នុងកម្មវិធីចងក្រង ការគាំទ្រធម្មតារួមមាន MSVC 193x ជាមួយ Visual Studio 2022 17.x និង MSVC 192x ជាមួយ Visual Studio 2019 16.x ជាមួយនឹងគ្រាមភាសា C++11, C++14, C++17 និង C++20 (អាស្រ័យលើកំណែ)។ Visual Studio 2015 ត្រូវបានបដិសេធក្នុង CUDA 11.1; VS 2017 ត្រូវបានបដិសេធក្នុង 12.5 និងដកចេញក្នុង 13.0។ ពិនិត្យម៉ាទ្រីសពិតប្រាកដនៃកំណែរបស់អ្នក។ ដើម្បីជៀសវាងការភ័យខ្លាច។

សំខាន់សម្រាប់គម្រោងកេរ្តិ៍ដំណែល៖ ចាប់ផ្តើមជាមួយ CUDA 12.0 ការចងក្រង 32 ប៊ីតត្រូវបានដកចេញ ហើយការប្រតិបត្តិនៃ 32-bit x86 binaries នៅលើប្រព័ន្ធ x64 ត្រូវបានកំណត់ត្រឹម អ្នកបើកបរ, quart និងគណិតវិទ្យា នៅលើ GeForce GPUs រហូតដល់ស្ថាបត្យកម្ម Ada; Hopper លែងគាំទ្រ 32 ប៊ីតទៀតហើយ។

ជ្រើសរើស និងដំឡើង Toolkit នៅលើ Windows

ទាញយកកម្មវិធីដំឡើងពីគេហទំព័រផ្លូវការ NVIDIA CUDA ។ អ្នកអាចជ្រើសរើសកម្មវិធីដំឡើងបណ្តាញ (ការទាញយកតិចតួចបំផុតដែលប្រើអ៊ីនធឺណិតសម្រាប់នៅសល់) ឬកម្មវិធីដំឡើងពេញ (ទាំងអស់នៅក្នុងកញ្ចប់តែមួយ មានប្រយោជន៍សម្រាប់ ម៉ាស៊ីនដោយគ្មានបណ្តាញ ឬការដាក់ពង្រាយសហគ្រាស) ។ បន្ទាប់​ពី​ការ​ទាញ​យក សូម​ផ្ទៀងផ្ទាត់​ភាព​ត្រឹមត្រូវ​ជាមួយ​នឹង checksum (ឧ. MD5) ដើម្បី​កំចាត់​អំពើ​ពុករលួយ។

ដំណើរការកម្មវិធីដំឡើងក្រាហ្វិក ហើយធ្វើតាមជំហាននៅលើអេក្រង់។ អានកំណត់ចំណាំចេញផ្សាយសម្រាប់កំណែរបស់អ្នក។ ព្រោះវារៀបរាប់លម្អិតអំពីការផ្លាស់ប្តូរ ភាពត្រូវគ្នាពិតប្រាកដ និងការព្រមានសំខាន់ៗ។ ដោយចាប់ផ្តើមជាមួយ CUDA 13 កម្មវិធីដំឡើង Toolkit លែងរួមបញ្ចូលកម្មវិធីបញ្ជាទៀតហើយ។ កម្មវិធីបញ្ជា NVIDIA ត្រូវបានដំឡើងដោយឡែកពីគ្នា។ ពីទំព័រកម្មវិធីបញ្ជាដែលត្រូវគ្នា។

ការដំឡើងស្ងាត់ និងការជ្រើសរើសសមាសធាតុ

ប្រសិនបើអ្នកត្រូវការដាក់ពង្រាយដោយស្ងៀមស្ងាត់ កម្មវិធីដំឡើងទទួលយករបៀប interface-less ជាមួយជម្រើស -s ហើយអនុញ្ញាត ជ្រើសរើសកញ្ចប់រងជាក់លាក់ តាមឈ្មោះជំនួសឱ្យការដំឡើងទាំងអស់។ អ្នកក៏អាចទប់ស្កាត់ការចាប់ផ្តើមឡើងវិញដោយស្វ័យប្រវត្តិដោយប្រើ -n ។ ភាពលម្អិតនេះមានប្រយោជន៍សម្រាប់ការកំណត់បរិយាកាសសាងសង់តាមបំណង និងកាត់បន្ថយការបោះជំហានរបស់អ្នក។

ក្នុងចំណោមកញ្ចប់រងធម្មតាអ្នកនឹងរកឃើញធាតុដូចជា nvcc, cudart, cuBLAS, cuFFT, cuRAND, cuSOLVER, cuSPARSENsight Compute, Nsight Systems, Visual Studio integration, NVRTC, NVTX, NVJitLink, demanglers និងឧបករណ៍ប្រើប្រាស់ដូចជា cuobjdump ឬ nvdisasm ។ ប្រសិនបើអ្នកនឹងចងក្រងនិងប្រវត្តិរូប, ជ្រើសរើសឧបករណ៍ Nsightប្រសិនបើអ្នកគ្រាន់តែដំណើរការវា ពេលវេលាដំណើរការប្រហែលជាគ្រប់គ្រាន់ហើយ។

ទាញយកកម្មវិធីដំឡើងហើយពិនិត្យមើលមាតិកា

សម្រាប់សវនកម្ម ឬការវេចខ្ចប់សាជីវកម្ម កម្មវិធីដំឡើងពេញលេញអាចត្រូវបានស្រង់ចេញដោយប្រើឧបករណ៍គាំទ្រ LZMA ដូចជា 7-Zip ឬ WinZip ។ អ្នកនឹងរកឃើញមែកធាង CUDAToolkit និងម៉ូឌុល ឯកសាររួមបញ្ចូល Visual Studio ត្រូវបានដាក់ក្នុងថតដាច់ដោយឡែក។ ឯកសារ .dll និង .nvi នៅក្នុងថតឯកសារទាំងនោះមិនមែនជាផ្នែកនៃមាតិកាដែលអាចដំឡើងបានដោយខ្លួនវានោះទេ។

ដំឡើង CUDA នៅលើ Windows ជាមួយ Conda

ប្រសិនបើអ្នកចូលចិត្តគ្រប់គ្រងបរិស្ថានជាមួយ Conda NVIDIA បោះពុម្ពកញ្ចប់នៅ anaconda.org/nvidia ។ ការដំឡើងមូលដ្ឋាននៃប្រអប់ឧបករណ៍ វាត្រូវបានធ្វើដោយពាក្យបញ្ជាតែមួយ `conda install` ហើយអ្នកក៏អាចជួសជុលកំណែមុនដោយបន្ថែមស្លាក `release` ជាឧទាហរណ៍ ដើម្បីចាក់សោនៅក្នុងកំណែ 11.3.1។ លុប វាគ្រាន់តែជាការផ្ទាល់។

ដំឡើង CUDA តាមរយៈ pip (កង់)

NVIDIA ផ្តល់ជូននូវកង់ Python ដែលផ្តោតលើពេលវេលាដំណើរការ CUDA សម្រាប់ Windows ។ ពួកគេត្រូវបានបម្រុងទុកជាចម្បងសម្រាប់ ការប្រើប្រាស់ CUDA ជាមួយ Python ហើយពួកវាមិនរួមបញ្ចូលឧបករណ៍អភិវឌ្ឍន៍ពេញលេញទេ។ ដំបូងដំឡើង nvidia-pyindex ដូច្នេះ pip ដឹងពីសន្ទស្សន៍ NVIDIA NGC ហើយត្រូវប្រាកដថាអ្នកមាន pip និង setuptools បានធ្វើបច្ចុប្បន្នភាពដើម្បីជៀសវាងកំហុស។ បន្ទាប់មកដំឡើង metapackages ដែលអ្នកត្រូវការ ដូចជា nvidia-cuda-runtime-cu12 ឬ nvidia-cublas-cu12។

កញ្ចប់មេតាទាំងនេះកំណត់គោលដៅកញ្ចប់ជាក់លាក់ដូចជា nvidia-cublas-cu129, nvidia-cuda-nvrtc-cu129, nvidia-npp-cu129 និងផ្សេងទៀត។ ចងចាំថាបរិស្ថានត្រូវបានគ្រប់គ្រងដោយ pip ។ប្រសិនបើអ្នកចង់ប្រើ CUDA នៅខាងក្រៅ virtualenv អ្នកនឹងត្រូវកែតម្រូវផ្លូវប្រព័ន្ធ និងអថេរដើម្បីភ្ជាប់ឱ្យបានត្រឹមត្រូវ។

ផ្ទៀងផ្ទាត់ការដំឡើងនៅលើវីនដូ

បើកប្រអប់បញ្ចូលពាក្យបញ្ជា ហើយដំណើរការ nvcc -V ដើម្បីបញ្ជាក់កំណែដែលបានដំឡើង។ ក្លូនគំរូ CUDA ទាញយកឧទាហរណ៍ពី GitHub ហើយចងក្រងពួកវាជាមួយ Visual Studio ។ ដំណើរការ deviceQuery និង bandwidthTest៖ ប្រសិនបើមានការទំនាក់ទំនងជោគជ័យជាមួយ GPU នោះអ្នកនឹងឃើញឧបករណ៍ដែលបានរកឃើញ ហើយ ឆ្លងកាត់ការសាកល្បង គ្មាន​កំហុស។ ប្រសិនបើ deviceQuery រកមិនឃើញឧបករណ៍ សូមពិនិត្យមើលកម្មវិធីបញ្ជា ហើយថា GPU អាចមើលឃើញនៅក្នុងប្រព័ន្ធ។

WSL ជាមួយការបង្កើនល្បឿន CUDA

Windows 11 និងកំណែចុងក្រោយបង្អស់របស់ Windows 10 គាំទ្រដំណើរការ CUDA-accelerated ML frameworks និងឧបករណ៍នៅក្នុង WSL រួមទាំង PyTorch, TensorFlow និង Docker ដោយប្រើ NVIDIA Container Toolkit ដំបូងដំឡើងកម្មវិធីបញ្ជាដែលបានបើក CUDA នៅក្នុង WSL បន្ទាប់មកបើក WSL ហើយដំឡើងការចែកចាយ glibc ដូចជា Ubuntu ឬ Debian ។

សូមប្រាកដថាអ្នកមានខឺណែល WSL ដែលបានអាប់ដេត (អប្បបរមា 5.10.43.3)។ ពិនិត្យមើលវាជាមួយ ប្រើ `wsl cat /proc/version` ពី PowerShell ។ បន្ទាប់មកធ្វើតាមការណែនាំអ្នកប្រើប្រាស់ CUDA នៅក្នុង WSL ដើម្បីដំឡើងបណ្ណាល័យ និងកុងតឺន័រ ហើយចាប់ផ្តើមដំណើរការលំហូរការងារលីនុចរបស់អ្នកនៅលើ Windows ដោយមិនចាំបាច់ចាកចេញពីបរិយាកាសរបស់អ្នក។

លុប CUDA នៅលើ Windows

បន្ទាប់ពីដំឡើង CUDA នៅលើ Windows តើអ្នកចង់ត្រលប់ទៅកំណែមុនទេ? កញ្ចប់រងទាំងអស់អាចត្រលប់មកវិញបាន។ លុបចេញពីផ្ទាំងបញ្ជា ការប្រើប្រាស់កម្មវិធី និងមុខងារ។ ប្រសិនបើអ្នកគ្រប់គ្រងប្រអប់ឧបករណ៍ដោយប្រើ Conda ឬ pip សូមប្រើយន្តការលុបកម្មវិធីគ្រប់គ្រងនីមួយៗ ដើម្បីជៀសវាងការបន្សល់ទុកនូវសំណល់កញ្ចប់ណាមួយ។

កំណត់ចំណាំភាពឆបគ្នានៃកំណែ

CUDA 11.8 គឺជាការចេញផ្សាយដ៏ពេញនិយមដោយសារតែស្ថេរភាព និងការគាំទ្រប្រព័ន្ធអេកូឡូស៊ីរបស់វា។ តម្រូវការធម្មតា។ សម្រាប់ 11.8៖ GPU ដែលមានសមត្ថភាពគណនា 3.0 ឬខ្ពស់ជាងនេះ 64-bit, RAM អប្បបរមា 8 GB និងអង្គចងចាំ GPU យ៉ាងតិច 4 GB។ នៅលើលីនុច វារួមបញ្ចូលយ៉ាងល្អជាមួយនឹងការចែកចាយដូចជា Ubuntu 18.04/20.04, RHEL/CentOS 7/8 ជាដើម។

CUDA 12.x ណែនាំការកែលម្អពេលដំណើរការ និងបណ្ណាល័យ និងជំរុញភាពអាស្រ័យនៃ អ្នកបើកបរចុងក្រោយCUDA 13 បំបែក Driver ជាអចិន្ត្រៃយ៍ពីកម្មវិធីដំឡើង Toolkit៖ ចងចាំថាត្រូវដំឡើង Driver ដោយខ្លួនឯង។ ការបំភ្លឺសំខាន់CUDA គឺជាបច្ចេកវិទ្យា NVIDIA ហើយទាមទារ NVIDIA GPUs ។ ប្រសិនបើអ្នកឃើញកន្លែងណាដែលវាក៏ត្រូវគ្នាជាមួយ AMD GPUs នោះវាមិនត្រឹមត្រូវសម្រាប់ជង់ CUDA ទេ។

ការដំឡើង CUDA នៅលើ Windows៖ ការដោះស្រាយបញ្ហាទូទៅ

• កម្មវិធីដំឡើងបរាជ័យ ឬមិនបញ្ចប់ការងារ។ពិនិត្យមើលកំណត់ហេតុកម្មវិធីដំឡើង និងផ្ទៀងផ្ទាត់កំចាត់មេរោគ ចន្លោះថាស និងការអនុញ្ញាតអ្នកគ្រប់គ្រងរបស់អ្នក។ ព្យាយាមម្តងទៀតជាមួយនឹងកម្មវិធីដំឡើងពេញលេញ ប្រសិនបើបណ្តាញមិនស្ថិតស្ថេរ ឬនៅក្នុងរបៀបស្ងាត់ ប្រសិនបើមានការប៉ះទង្គិច UI ។
• deviceQuery មិនបានរកឃើញ GPU ទេ។ពិនិត្យមើលថាកម្មវិធីបញ្ជាគឺត្រឹមត្រូវ ថា GPU គឺសកម្ម ហើយថាកម្មវិធីកំពុងប្រើ dGPU ។ ធ្វើបច្ចុប្បន្នភាពកម្មវិធីបញ្ជា ហើយដំឡើងប្រអប់ឧបករណ៍ឡើងវិញប្រសិនបើចាំបាច់។
• ជម្លោះជាមួយបណ្ណាគារប្រសិនបើអ្នកបានដំឡើងប្រអប់ឧបករណ៍ច្រើន ធ្វើឱ្យមានសុពលភាព CUDA_PATH និង PATH ។ នៅក្នុង Python សូមពិនិត្យមើលថាកំណែ PyTorch ឬ TensorFlow និងការកំណត់រចនាសម្ព័ន្ធរបស់វាត្រូវគ្នាជាមួយនឹងកំណែ CUDA/cuDNN របស់អ្នក។
• Visual Studio មិនចងក្រង .cuបន្ថែម CUDA Build Customizations ទៅក្នុងគម្រោងរបស់អ្នក ហើយសម្គាល់ឯកសារ .cu ជា CUDA C/C++។ ផ្ទៀងផ្ទាត់ថា MSVC គឺត្រូវគ្នាជាមួយប្រអប់ឧបករណ៍របស់អ្នក។

ឧបករណ៍ គំរូ និងឯកសារ

បន្ថែមពីលើ nvcc និងបណ្ណាល័យ ប្រអប់ឧបករណ៍សម្រាប់ដំឡើង CUDA នៅលើ Windows រួមមានទម្រង់ និងឧបករណ៍វិភាគដូចជា Nsight Systems និង Nsight Compute និងឯកសារ HTML/PDF សម្រាប់ភាសា CUDA C++ និង ការអនុវត្តល្អប្រសើរឧទាហរណ៍ផ្លូវការគឺនៅលើ GitHub ហើយជាមូលដ្ឋានដ៏ល្អសម្រាប់ផ្ទៀងផ្ទាត់កម្មវិធីបញ្ជា ដំណើរការអង្គចងចាំ និងឧបករណ៍ដំណើរការច្រើន។

ពេលណាត្រូវប្រើ Conda ឬ pip ធៀបនឹងកម្មវិធីដំឡើងបុរាណ

Conda និង pip គឺល្អនៅពេលដែលការផ្តោតអារម្មណ៍របស់អ្នកគឺទៅលើការដំណើរការ ML frameworks ដែលការពឹងផ្អែកលើកញ្ចប់រួចហើយស្របជាមួយនឹងកំណែ CUDA ជាក់លាក់។ គុណសម្បត្តិភាពឯកោនៃបរិស្ថាន និងការកកិតតិច។ គុណវិបត្តិ៖ សម្រាប់ការអភិវឌ្ឍន៍ C++ ដើមឬការរួមបញ្ចូលពេញលេញជាមួយ VS កម្មវិធីដំឡើងប្រអប់ឧបករណ៍បុរាណផ្តល់ជូន ឧបករណ៍ទាំងអស់ និងបទពិសោធន៍ពេញលេញបំផុត។

សំណួរគេសួរញឹកញាប់រហ័ស

• តើខ្ញុំដឹងដោយរបៀបណាថា GPU របស់ខ្ញុំត្រូវគ្នាជាមួយ CUDA? បើកកម្មវិធីគ្រប់គ្រងឧបករណ៍ ចូលទៅ បង្ហាញអាដាប់ទ័រ ហើយពិនិត្យមើលម៉ូដែល។ ប្រៀបធៀបវាទៅនឹងបញ្ជីផ្លូវការរបស់ NVIDIA នៃ CUDA GPUs ។ អ្នកក៏អាចដំណើរការ nvidia-smi ហើយបញ្ជាក់វា។ GPU របស់អ្នកលេចឡើង.
• តើខ្ញុំអាចហ្វឹកហាត់ដោយគ្មាន CUDA បានទេ? បាទ វានឹងដំណើរការលើ CPU ប៉ុន្តែវានឹងយឺតជាង។ ដើម្បីប្រើ GPU ជាមួយ PyTorch ឬ TensorFlow នៅលើ Windows ត្រូវប្រាកដថាអ្នកដំឡើង ការស្ថាបនាដែលត្រូវគ្នា។ ជាមួយនឹងកំណែ CUDA របស់អ្នក ឬប្រើ WSL ជាមួយធុង NVIDIA ។
• កំណែចាស់ជាក់លាក់ឧបករណ៍មួយចំនួនត្រូវការបន្សំដូចជា CUDA 10.1 ជាមួយ cuDNN 7.6.4 ។ ក្នុង​ករណី​នោះ សូម​ដំឡើង​កំណែ​ពិត​ប្រាកដ​ទាំង​នោះ ហើយ​ដាក់ DLL នៃ cuDNN នៅក្នុង bin folder នៃ toolkit ដែលត្រូវគ្នា ជៀសវាងមាន cuDNNs ច្រើនក្នុងពេលតែមួយ។

ប្រសិនបើអ្នកកំពុងស្វែងរកការដំឡើង CUDA នៅលើ Windows និងបង្កើនល្បឿនការងាររបស់អ្នកជាមួយនឹងការណែនាំពេញលេញ ជំហាន និងការណែនាំខាងលើនឹងជួយអ្នកឱ្យសម្រេចបានគ្រប់យ៉ាង។ វាសមដូចស្រោមដៃ។ ពីការសាងសង់ដំបូង។