⑴ cuda程序編譯方面，各位都有哪些方法和經驗
首先創建一個soTest的文件夾，裡面有兩個文件deviceQuery.cpp, t.cpp。 12345678deviceQuery.cpp的代碼可以參考CUDASDK t.cpp的源代碼如下： #include int cudev(int argc, char** argv);int main(int argc, char ** argv){ cudev(argc,argv); return 0;}然後在當前目錄下輸下命令
⑵ CUDA和OpenCL有什麼區別
1）開發者友好程度。CUDA在這方面顯然受更多開發者青睞。原因在於其統一的開發套件(CUDA Toolkit, NVIDIA GPU Computing SDK以及NSight等等)、非常豐富的庫(cuFFT, cuBLAS, cuSPARSE, cuRAND, NPP, Thrust)以及NVCC(NVIDIA的CUDA編譯器)所具備的PTX(一種SSA中間表示，為不同的NVIDIA GPU設備提供一套統一的靜態ISA)代碼生成、離線編譯等更成熟的編譯器特性。相比之下，使用OpenCL進行開發，只有AMD對OpenCL的驅動相對成熟。
2）跨平台性和通用性。這一點上OpenCL佔有很大優勢（這也是很多National Laboratory使用OpenCL進行科學計算的最主要原因）。OpenCL支持包括ATI,NVIDIA,Intel,ARM在內的多類處理器，並能支持運行在CPU的並行代碼，同時還獨有Task-Parallel Execution Mode，能夠更好的支持Heterogeneous Computing。這一點是僅僅支持數據級並行並僅能在NVIDIA眾核處理器上運行的CUDA無法做到的。
⑶ CUDA Toolkit到底起什麼作用
分離cpu和gpu代碼，並編譯cuda代碼為ptx
⑷ CUDA和OpenCL有什麼區別
從很多方面來看，CUDA和OpenCL的關系都和DirectX與OpenGL的關系很相像。如同DirectX和OpenGL一樣，CUDA和OpenCL中，前者是配備完整工具包、針對單一供應商(NVIDIA)的成熟的開發平台，後者是一個開放的標准。
雖然兩者抱著相同的目標：通用並行計算。但是CUDA僅僅能夠在NVIDIA的GPU硬體上運行，而OpenCL的目標是面向任何一種Massively Parallel Processor，期望能夠對不同種類的硬體給出一個相同的編程模型。由於這一根本區別，二者在很多方面都存在不同：
1）開發者友好程度。CUDA在這方面顯然受更多開發者青睞。原因在於其統一的開發套件(CUDA Toolkit, NVIDIA GPU Computing SDK以及NSight等等)、非常豐富的庫(cuFFT, cuBLAS, cuSPARSE, cuRAND, NPP, Thrust)以及NVCC(NVIDIA的CUDA編譯器)所具備的PTX(一種SSA中間表示，為不同的NVIDIA GPU設備提供一套統一的靜態ISA)代碼生成、離線編譯等更成熟的編譯器特性。相比之下，使用OpenCL進行開發，只有AMD對OpenCL的驅動相對成熟。
2）跨平台性和通用性。這一點上OpenCL佔有很大優勢（這也是很多National Laboratory使用OpenCL進行科學計算的最主要原因）。OpenCL支持包括ATI,NVIDIA,Intel,ARM在內的多類處理器，並能支持運行在CPU的並行代碼，同時還獨有Task-Parallel Execution Mode，能夠更好的支持Heterogeneous Computing。這一點是僅僅支持數據級並行並僅能在NVIDIA眾核處理器上運行的CUDA無法做到的。
3）市場佔有率。作為一個開放標准，缺少背後公司的推動，OpenCL顯然沒有占據通用並行計算的主流市場。NVIDIA則憑借CUDA在科學計算、生物、金融等領域的推廣牢牢把握著主流市場。再次想到OpenGL和DirectX的對比，不難發現公司推廣的高效和非盈利機構/標准委員會的低效(抑或謹慎，想想C++0x)。
很多開發者都認為，由於目前獨立顯卡市場的萎縮、新一代處理器架構(AMD的Graphics Core Next (GCN)、Intel的Sandy Bridge以及Ivy Bridge)以及新的SIMD編程模型(Intel的ISPC等)的出現，未來的通用並行計算市場會有很多不確定因素，CUDA和OpenCL都不是終點，我期待未來會有更好的並行編程模型的出現(當然也包括CUDA和OpenCL，如果它們能夠持續發展下去)。
⑸ cuda11.1有補丁包嗎
有的。
CUDAToolkit11.1帶來了新的PTX編譯器靜態庫、並行線程執行（PTX）ISA的7.1版本、對Fedora32和Debian10.3的支持、新的統一編程模型、稀疏紋理的硬體加速、不同CUDA流的多線程發射、CUDAGraphs改進、以及其它諸多方面的增強。
⑹ CUDA編譯出錯，求助各位大大，感激
那個錯誤不用管（語法沒有錯誤，是編譯環境按C++的語法提示報錯） 運行出錯可能是計算能力設置不匹配，屬性 -> 配置屬性 -> CUDA C/C++ -> Device -> Code Generation，假設你的卡計算能力1.3，則設置為compute_13,sm_13，默認的可能不對
你好，經我試驗過的，一個簡單的辦法：打開出現warning的文件，Ctrl+A全選，然後在文件菜單：file->Advanced save options，在彈出的選項中選擇新的編碼方式為：UNICODE- codepage 1200 ，點確定後重新編譯。
⑺ CUDA和OpenCL有什麼區別
從很多方面來看，CUDA和OpenCL的關系都和DirectX與OpenGL的關系很相像。如同DirectX和OpenGL一樣，CUDA和OpenCL中，前者是配備完整工具包、針對單一供應商(NVIDIA)的成熟的開發平台，後者是一個開放的標准。
雖然兩者抱著相同的目標：通用並行計算。但是CUDA僅僅能夠在NVIDIA的GPU硬體上運行，而OpenCL的目標是面向任何一種Massively
Parallel Processor，期望能夠對不同種類的硬體給出一個相同的編程模型。由於這一根本區別，二者在很多方面都存在不同：
1)開發者友好程度。CUDA在這方面顯然受更多開發者青睞。原因在於其統一的開發套件(CUDA Toolkit, NVIDIA GPU
Computing SDK以及NSight等等)、非常豐富的庫(cuFFT, cuBLAS, cuSPARSE, cuRAND, NPP,
Thrust)以及NVCC(NVIDIA的CUDA編譯器)所具備的PTX(一種SSA中間表示，為不同的NVIDIA
GPU設備提供一套統一的靜態ISA)代碼生成、離線編譯等更成熟的編譯器特性。相比之下，使用OpenCL進行開發，只有AMD對OpenCL的驅動相對成熟。
2)跨平台性和通用性。這一點上OpenCL佔有很大優勢(這也是很多National
Laboratory使用OpenCL進行科學計算的最主要原因)。OpenCL支持包括ATI,NVIDIA,Intel,ARM在內的多類處理器，並能支持運行在CPU的並行代碼，同時還獨有Task-Parallel
Execution Mode，能夠更好的支持Heterogeneous
Computing。這一點是僅僅支持數據級並行並僅能在NVIDIA眾核處理器上運行的CUDA無法做到的。
3)市場佔有率。作為一個開放標准，缺少背後公司的推動，OpenCL顯然沒有占據通用並行計算的主流市場。NVIDIA則憑借CUDA在科學計算、生物、金融等領域的推廣牢牢把握著主流市場。再次想到OpenGL和DirectX的對比，不難發現公司推廣的高效和非盈利機構/標准委員會的低效(抑或謹慎，想想C++0x)。
很多開發者都認為，由於目前獨立顯卡市場的萎縮、新一代處理器架構(AMD的Graphics Core Next (GCN)、Intel的Sandy
Bridge以及Ivy
Bridge)以及新的SIMD編程模型(Intel的ISPC等)的出現，未來的通用並行計算市場會有很多不確定因素，CUDA和OpenCL都不是終點，我期待未來會有更好的並行編程模型的出現(當然也包括CUDA和OpenCL，如果它們能夠持續發展下去)。