2009-11-18 21 views
8

Mi computadora portátil no tiene una tarjeta gráfica nVidia, y quiero trabajar en CUDA. El sitio web dice que CUDA también se puede usar en modo de emulación en hardware que no sea cuda. Pero cuando traté de instalar los controladores CUDA descargados de su sitio web, aparece un error "La configuración nvidia no pudo encontrar ningún controlador que sea compatible con su hardware actual. La configuración ahora se cerrará".¿Cómo ejecutar CUDA sin una GPU usando una implementación de software?

También cuando traté de ejecutar códigos de muestra desde SDK en Visual Studio 2008, me aparece un error que indica que no se encontró el archivo .obj.

+3

Sé que es más de dos años, pero debe aceptar una de las respuestas ya dadas. La respuesta de Nils encaja muy bien. –

+0

Posible duplicado de [GPU Emulator para programación CUDA sin el hardware] (http://stackoverflow.com/questions/3087361/gpu-emulator-for-cuda-programming-without-the-hardware) –

Respuesta

5

¿Has descargado el kit de herramientas CUDA? Tendrá que descargar el kit de herramientas (que incluye el compilador y la biblioteca de tiempo de ejecución) y el SDK. Cuando construya las muestras de SDK, asegúrese de cambiar la configuración a "EmuDebug" o "EmuRelease".

+5

La emulación ya no es compatible, actualmente puede ver el compilador CUDA x86 de PGI o GPU Ocelot. – Tom

+0

Y GPU Ocelot ahora está abandonado. – dashesy

10

La manera más fácil de comenzar con el desarrollo de GPU es obtener una GPU barata (por ejemplo, GTX285) y una computadora de escritorio (obviamente, ya que no puede cambiar la GPU en su computadora portátil).

Hay algunos proyectos de investigación sobre cómo obtener núcleos CUDA para trabajar de manera eficiente en las CPU, así como en FPGAs (Google wen mei hwu y ver sus proyectos de investigación) Sin embargo, si usted quiere aprender CUDA esto no es para usted, como se dijo anteriormente el La forma más fácil es obtener hardware barato.

+1

Respuesta agradable y pragmática. –

1

Hoy en día tenemos OpenCL. Funciona en casi todos los hardware que pueda tener: CPU, GPU (nvidia o amd), APU, FPGA, etc.

(Llegué aquí buscando la compilación de CUDA en un hardware que no sea nvidia, a efectos comparativos con OpenCL, pero aparentemente todavía funciona en nvidia solamente. Triste: /).

Cuestiones relacionadas