Ich habe zwei Laptops: eine Sony Vaio Z-Serie (Vocz1) & S-Serie. Der erste hat Geforce mit cuda Modell GT330M und der zweite hat GT 640M LE. Wenn ich versuche, installieren CUDA Geforce-Treiber von dieser Website http://developer.nvidia.com/cuda/cuda-downloads Ich erhalte unter Fehler in Windows. Ich frage mich, würden Sie mir eine Lösung vorschlagen, um dieses Problem zu lösen? alle meine Grafikkarte bereits installiert,Installation Cuda NVIDIA Grafiktreiber fehlgeschlagen
Nvidia Installer kann nicht fortfahren Diese Grafikkarte konnte kompatible Grafikhardware nicht finden.
Ich bin Anfänger in der Programmierung mit CUDA, ich möchte wissen, kann ich mein CUDA-Programm kompilieren und ausführen ohne Nividia Driver zu installieren? Cuda-Toolkit und SDK wurden erfolgreich auf meinem Computer installiert, aber wenn ich mein Programm ausführe, kann ich mein Cuda-Gerät nicht einstellen. Muss ich Nividia Driver installieren? 
cudaError_t cudaStatus1;
int deviceCount;
cudaGetDeviceCount(&deviceCount);
int device;
for (device = 0; device < 10; ++device) {
cudaDeviceProp deviceProp;
cudaGetDeviceProperties(&deviceProp, device);
// Choose which GPU to run on, change this on a multi-GPU system.
cudaStatus1 = cudaSetDevice(device);
printf("Device %d has compute capability %d.%d. - %d\n",
device, deviceProp.major, deviceProp.minor,cudaStatus1);
}
output:
Device 0 has compute capability 3137268.3137268. - 35
Device 1 has compute capability 3137268.3137268. - 35
Device 2 has compute capability 3137268.3137268. - 35
Device 3 has compute capability 3137268.3137268. - 35
Device 4 has compute capability 3137268.3137268. - 35
Device 5 has compute capability 3137268.3137268. - 35
Device 6 has compute capability 3137268.3137268. - 35
Device 7 has compute capability 3137268.3137268. - 35
Device 8 has compute capability 3137268.3137268. - 35
Device 9 has compute capability 3137268.3137268. - 35
35 bedeutet es nicht, das Gerät eingestellt wird, wenn es 0 bedeutet GeräteSet wurde.
nachdem ich DEVICE folgenden Informationen laufen die ich erhielt:
Microsoft Windows [Version 6.1.7601] Copyright (c) 2009 Microsoft Corporation. Alle Rechte vorbehalten.
C: \ Benutzer \ xx> "C: \ Programme \ NVIDIA Corporation \ NVIDIA GPU Computing SDK 4.2 \ C \ bin \ win64 \ Freigabe \ deviceQuery.exe" [deviceQuery.exe] beginnend ... C: \ ProgramData \ NVIDIA Corporation \ NVIDIA Grafikprozessor Computing SDK 4.2 \ C \ bin \ win64 \ Relea se \ deviceQuery.exe Start ... CUDA Gerät Anfrage (Laufzeit API) Version (CUDART statische Verknüpfung) Gefunden 1 CUDA Fähige Gerät (s) Gerät 0: CUDA-Treiber "GeForce GT 640M LE" Version/Runtime Version 4.2/4.2 CUDA-Fähigkeit Major-/Minor-Versionsnummer: 3.0 Gesamtgröße des Globalspeichers: 1024 MBytes (1073741824 Byte) (2) Multiprozessoren x (192) CUDA Kerne/MP: 384 CUDA Cores GPU Taktfrequenz:
405 MHz (0.41 GHz) Speichertaktfrequenz:
900 Mhz Speicherbusbreite: 128 Bit L2 Cache-Größe: 262144 Byte Max. Textur Dimensionsgröße (x, y, z) 1D = (65536), 2D = (65536,65536) , 3 D = (4096,4096,4096) Max Layered Texture Größe (dim) x Schichten
1D = (16384) x 2048, 2D = (16384,16 384) x 2048 Gesamtbetrag der Konstanten Speicher: 65536 Bytes Gesamtmenge der gemeinsam genutzten Speichers pro Block: 49152 Bytes Anzahl der verfügbaren Register pro Block: 65536 Kettschlichte: 32
maximale Anzahl von Threads pro Multi-Prozessor: 2048 maximale Anzahl der Fäden pro Block: 1024 maximale Größe jeder Dimension einen Block: 1024 x 1024 x 64 Maximale Größen jeder Dimension eines grid: 2147483647 x 65535 x 65535 Maximum Speicher pitch:
2147483647 Bytes Texture Ausrichtung: 512 Bytes Concurrent Kopie und Ausführung: Ja mit 1 Kopie Motor (en) Laufzeitbegrenzung auf Kernel: Ja
Integrated GPU teilen Host-Speicher: Keine Unterstützung Host Seite gesperrt Speicherzuordnung: Ja Concurrent Kernel-Ausführung:
Ja Ausrichtung Voraussetzung für Oberflächen: Ja Geräte hat ECC-Unterstützung aktiviert: Nein Das Gerät verwendet den TCC-Treiber mode: Kein Gerät unterstützt Unified Addressing (UVA):
Kein Gerät PCI-Bus-ID/PCI-Standort-ID: 1/0 Berechne Modus: < Standard (mehrere Host-Threads können :: cudaSetDevice() mit Gerät simultan verwenden)> deviceQuery, CUDA-Treiber = CUDART, CUDA Treiberversion = 4.2, CUDA Runtime Versi on = 4.2, NumDevs = 1, Gerät = GeForce GT 640M LE [deviceQuery.exe] Testergebnisse ... PASSEDin 3 Sekunden verlass: 3 ... 2 ... 1 ... fertig!
Ihr CUDA-Code-Snippet ist völliger Unsinn und Sie sollten nicht erwarten, dass es etwas Sinnvolles zurückgibt, selbst wenn Sie in Ihren Laptops korrekt funktionierende CUDA-Installationen hatten. – talonmies
@talonmies: Das habe ich auch gemacht, weil dein zweiter Befehl unhöflich zu mir war. Ich bin so enttäuscht von deiner Sprache. Jedenfalls mache ich einen Screenshot, um dem Leser zu beweisen, dass alle Treiber erfolgreich auf meinem Computer installiert sind. Eine weitere Sache mein Computer enthält 2 VGA, also versuchte ich es zu erklären, um es klar zu machen ... Schließlich bin ich nicht so vertraut mit CUDA, aber Sie können alle Felder der Klasse cudaError_t überprüfen, finden Sie ein Feld, das gleich ist 0 else condition bedeutet, dass Sie Ihr Gerät nicht erfolgreich einrichten konnten. – Amir
Hey, ich benutze Windows 7 32bit (auf meinem Mac über Bootcamp), mit Geforce 320M als Kartengrafik. Ich habe das gleiche Problem. Hast du die Lösung gefunden? – csuo