struct cudaDeviceProp { char name[256]; /**< 设备的ASCII标识 */ size_t totalGlobalMem; /**< 可用的全局内存量,单位字节 */ size_t totalConstMem; /**< 可用的常量内存量,单位字节 */ size_t sharedMemPerBlock; /**< 每个block可用的共享内存量,单位字节 */ int regsPerBlock; /**< 每个block里可用32位寄存器数量 */ int warpSize; /**< 在线程warp块大小*/ size_t memPitch; /**< 允许的内存复制最大修正,单位字节*/ int maxThreadsPerBlock; /**< 每个block最大线程数量 */ int maxThreadsDim[3]; /**< 一block里每个维度最大线程量 */ int maxGridSize[3]; /**< 一格里每个维度最大数量 */ int clockRate; /**< 时钟频率,单位千赫khz */ int major; /**< 计算功能主版本号*/ int minor; /**< 计算功能次版本号*/ size_t textureAlignment; /**< 对齐要求的纹理 */ int deviceOverlap; /**< 判断设备是否可以同时拷贝内存和执行内核。已过时。改用asyncEngineCount */ int multiProcessorCount; /**< 设备上的处理器数量 */ int kernelExecTimeoutEnabled; /**< 内核函数是否运行受时间限制*/ int integrated; /**< 设备是不是独立的 */ int canMapHostMemory; /**< 设备能否映射主机cudaHostAlloc/cudaHostGetDevicePointer */ int computeMode; /**< 计算模式,有默认,独占,禁止,独占进程(See ::cudaComputeMode) */ int maxTexture1D; /**< 1D纹理最大值 */ int maxTexture2D[2]; /**< 2D纹理最大维数*/ int maxTexture3D[3]; /**< 3D纹理最大维数 */ int maxTexture1DLayered[2]; /**< 最大的1D分层纹理尺寸 */ int maxTexture2DLayered[3]; /**< 最大的2D分层纹理尺寸 */ size_t surfaceAlignment; /**< 表面的对齐要求*/ int concurrentKernels; /**< 设备是否能同时执行多个内核*/ int ECCEnabled; /**< 设备是否支持ECC */ int pciBusID; /**< 设备的PCI总线ID */ int pciDeviceID; /**< PCI设备的设备ID*/ int pciDomainID; /**<PCI设备的域ID*/ int tccDriver; /**< 1如果设备是使用了TCC驱动的Tesla设备,否则就是0 */ int asyncEngineCount; /**< 异步Engine数量 */ int unifiedAddressing; /**< 设备是否共享统一的地址空间与主机*/ int memoryClockRate; /**<峰值内存时钟频率,单位khz*/ int memoryBusWidth; /**< 全局内存总线宽度,单位bit*/ int l2CacheSize; /**< L2 cache大小,单位字节 */ int maxThreadsPerMultiProcessor;/**< 每个多处理器的最大的常驻线程 */ };
示例:
#include "stdio.h" #include <cuda_runtime.h> int main(){ cudaDeviceProp prop; int count; int i; cudaGetDeviceCount(&count); fprintf(stderr,"CudaDeviceNumber======%d\n",count); for(i=0;i<count;i++){ cudaGetDeviceProperties(&prop,i); fprintf(stderr,"---General Infomation for device %d---\n",i); fprintf(stderr,"Name: %s\n",prop.name); fprintf(stderr,"Total global mem: %ld\n",prop.totalGlobalMem); fprintf(stderr,"Total constant mem: %ld\n",prop.totalConstMem); fprintf(stderr,"Shared mem per mp: %ld\n",prop.sharedMemPerBlock); fprintf(stderr,"Threads in warp: %d\n",prop.warpSize); fprintf(stderr,"Max threads per block: %d\n",prop.maxThreadsPerBlock); } return 0; }
运行结果:
fangbing@casis-node1:~/test$ nvcc readDeviceProp.cu -o readDeviceProp
fangbing@casis-node1:~/test$ ./readDeviceProp
CudaDeviceNumber======4
---General Infomation for device 0---
Name: Tesla K80
Total global mem: 12079136768
Total constant mem: 65536
Shared mem per mp: 49152
Threads in warp: 32
Max threads per block: 1024
---General Infomation for device 1---
Name: Tesla K80
Total global mem: 12079136768
Total constant mem: 65536
Shared mem per mp: 49152
Threads in warp: 32
Max threads per block: 1024
---General Infomation for device 2---
Name: Tesla K80
Total global mem: 12079136768
Total constant mem: 65536
Shared mem per mp: 49152
Threads in warp: 32
Max threads per block: 1024
---General Infomation for device 3---
Name: Tesla K80
Total global mem: 12079136768
Total constant mem: 65536
Shared mem per mp: 49152
Threads in warp: 32
Max threads per block: 1024
相关推荐
目前认为安全的事物示例:从未初始化的 GPU 缓冲区读取到主机内存一些无效的libcuda操作会导致libcuda停止接受任何 API 调用设置可能对整个设备产生副作用的各种属性写入只读设备内存支持的功能设备管理上下文管理...
本书涵盖了以下令人兴奋的功能:了解如何从CUDA程序访问GPU设备的属性和功能 了解如何加快搜索和排序算法 检测图像中的线条和圆形等形状 使用算法探索对象跟踪和检测 在Jetson TX1中使用不同的视频分析技术处理视频...
此示例列举了系统中存在的 CUDA 设备的属性。 带宽测试 此示例针对传输大小为 3KB、15KB、15MB 和 100MB 的可分页、页面锁定和写入组合内存测量主机到设备和设备到主机复制带宽,并以 CSV 格式输出它们。 吉特 此...
1、CUDA 1.1、查看电脑显卡及驱动...更新步骤如下:桌面右击此电脑打开属性—>打开设备管理器—>打开显示适配器—>双击NVIDIA••••••—>点击驱动程序—>点击更新驱动程序—>点击自动搜索更新的驱动程序软件,即
- PCI,USB,CUDA,OpenCL设备列表 - 传感器轮询 - 已安装的应用程序,编解码器和系统目录列表 - Android Wear模块:手表的本机应用程序 破解信息: PREMIUM功能已解锁 如何安装 ? 1.卸载以前的任何版本(如果...
AIDA64 安卓版是适用于基于 Android 的设备的硬件和软件信息实用程序。...– PCI,USB,CUDA,OpenCL 设备列表 –传感器轮询 –已安装的应用程序,编解码器和系统目录的列表 – Android Wear 模块:手表的本机应用
图形 硬件 : CUDA 3.0 能力 的 计算 设备 ( “ 开普勒 ” 或 更 高 ) 被 支撑 在 GeForce , Quadro , NVIDIA Tesla 或 类别 产品 。 费米 GPU 不再 支持 类 图形 驱动程序 : Windows 7 / 8 : 驱动器 版本 368.86 ...
本研究中,我们基于NVIDIA公司的CUDA(计算统一设备体系统结构)环境,采用均匀栅格法作为加速结构,实现了光线追踪算法。实验结果表明,该计算模型相对传统基于CPU的光线追踪算法具有更快的整体运算速度,GPU非常...
CUDA是NVIDIA公司推出的统一计算设备架构,旨在将计算过程并行化以加速程序的运行,满足了雷达成像对实时性的要求。基于CUDA的雷达成像仿真算法可以有效地提高仿真速度和精度。 知识点5: 并行计算技术在雷达成像...
软件介绍: Any Video Converter Ultimate是一款集视频转换、视频录制与播放于一体的视频转换软件。可以将DVD光盘/DVD...支持GPU加速,X264/H264视频编码时使用OpenCL加速,使用NVidia设备进行CUDA编码加速。
该方法还使用全局存储空间存储粒子信息,避免了因使用纹理存储而产生的反复绑定开销,同时结合GPU强大的通用计算能力,通过采用CUDA编写的并行算法,实现基于GPU的拉格朗日插值并行求解及并行计算、更新粒子属性。...
该项目包括面部检测/对齐/ 5或68或106地标检测/面部属性检测(包括年龄+性别+种族+微笑)/面部朝向检测/面部识别。 基本上,它涵盖了面部技术的所有领域,但面部生命检测在整个链中也非常重要。 但是由于它通常在...