Ubuntu 22.04下GPGPU-Sim环境配置与CUDA开发实践-嵌云网-嵌入式AI开发资源站

Ubuntu 22.04下GPGPU-Sim环境配置与CUDA开发实践

流浪小鱼

1. 环境准备与工具链配置

在Ubuntu 22.04系统上搭建GPGPU-Sim环境需要特别注意工具链的兼容性问题。我的测试环境搭载了NVIDIA GeForce 940MX显卡（Compute Capability 5.0），以下是详细配置过程：

1.1 基础依赖安装

首先需要安装必要的开发工具和库文件。执行以下命令安装基础依赖：

bash复制sudo apt-get update
sudo apt-get install -y build-essential xutils-dev bison zlib1g-dev flex \
    libglu1-mesa-dev doxygen graphviz python-pmw python-ply \
    python-numpy libpng-dev python3-matplotlib libxi-dev libxmu-dev git

注意：Ubuntu 22.04默认的Python版本是3.x，但GPGPU-Sim部分脚本仍依赖Python 2.x。如果遇到Python兼容性问题，建议使用virtualenv创建Python 2.7虚拟环境。

1.2 CUDA工具链配置

由于940MX属于Maxwell架构（Compute Capability 5.0），需要安装兼容的CUDA版本。我选择的是CUDA 11.4：

bash复制wget https://developer.download.nvidia.com/compute/cuda/11.4.2/local_installers/cuda_11.4.2_470.57.02_linux.run
sudo sh cuda_11.4.2_470.57.02_linux.run

安装完成后，在~/.bashrc中添加以下环境变量：

bash复制export CUDA_INSTALL_PATH=/usr/local/cuda-11.4
export PATH=/usr/local/cuda-11.4/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64:$LD_LIBRARY_PATH

验证安装：

bash复制nvcc --version
# 应显示：Cuda compilation tools, release 11.4, V11.4.152

1.3 GCC版本管理

GPGPU-Sim对GCC版本有特定要求。Ubuntu 22.04默认使用GCC 11，但编译时可能出现标准库兼容性问题。解决方案是安装GCC-10并设置为默认编译器：

bash复制sudo apt-get install gcc-10 g++-10
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-10 100
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-10 100

2. GPGPU-Sim安装与配置

2.1 源码获取与编译

从官方仓库克隆最新代码并编译：

bash复制git clone https://github.com/gpgpu-sim/gpgpu-sim_distribution.git
cd gpgpu-sim_distribution
source setup_environment
make -j$(nproc)

常见问题：如果编译时出现__malloc__相关错误，需要在make命令中显式指定GCC-10：
bash复制make CC=gcc-10 CXX=g++-10 -j$(nproc)

2.2 配置文件选择

GPGPU-Sim提供了多种预置配置文件。对于940MX（Compute Capability 5.0），建议使用SM50配置文件：

bash复制cp configs/tested-cfgs/SM50_GTX980/* .

关键配置文件说明：

gpgpusim.config：主配置文件，定义缓存大小、线程调度等参数
config_fermi_islip.icnt：互连网络配置文件（Maxwell沿用Fermi配置）
gpuwattch_gtx980.xml：功耗模型配置文件

2.3 环境变量检查

确保环境变量正确设置：

bash复制echo $LD_LIBRARY_PATH
# 应显示gpgpu-sim的库路径在前，如：~/gpgpu-sim_distribution/lib/...

3. 测试用例编译与运行

3.1 向量加法测试程序

创建vectorAdd.cu测试文件：

cuda复制#include <stdio.h>

#define CHECK(call) { \
    const cudaError_t error = call; \
    if (error != cudaSuccess) { \
        printf("Error: %s:%d, code: %d, reason: %s\n", \
            __FILE__, __LINE__, error, cudaGetErrorString(error)); \
        exit(1); \
    } \
}

__global__ void vector_add(const float *a, const float *b, float *c, int n) {
    int idx = blockIdx.x * blockDim.x + threadIdx.x;
    if (idx < n)
        c[idx] = a[idx] + b[idx];
}

int main() {
    int n = 1<<12;
    size_t bytes = n * sizeof(float);
    
    float h_a[n], h_b[n], h_c[n];
    for (int i = 0; i < n; i++) {