Überprüfen Sie NVLink unter Windows
Bitte beachten Sie, dass Sie die Nvidia-Treiber in Windows installieren oder das CUDA Toolkit in Windows installieren müssen, bevor Sie NVLink-Verbindungen überprüfen. Schalten Sie außerdem den GPU-Modus auf TCC um.
Visual Studio installieren
Lassen Sie uns sicherstellen, dass alles korrekt funktioniert, indem wir die cuda-samples aus dem offiziellen Repository ausführen. Um dies zu erreichen, müssen wir Visual Studio 2022 CE (Community Edition) nacheinander installieren und das CUDA Toolkit neu installieren, um die VS-Plugins zu aktivieren. Besuchen Sie https://visualstudio.microsoft.com/downloads/ um Visual Studio 2022 herunterzuladen:
Führen Sie das heruntergeladene Installationsprogramm aus, markieren Sie Desktop-Entwicklung mit C++ und klicken Sie auf die Schaltfläche Installieren:
Tests durchführen
Installieren Sie das CUDA Toolkit neu mit unserer Schritt-für-Schritt-Anleitung CUDA Toolkit in Windows installieren. Starten Sie den Server neu und laden Sie das ZIP-Archiv mit den CUDA-Beispielen herunter. Entpacken Sie es und öffnen Sie das Unterverzeichnis Samples\1_Utilities\bandwidthTest. Doppelklicken Sie auf bandwidthTest_vs2022 und führen Sie es mit der Tastenkombination Strg + F5 aus:
[CUDA Bandwidth Test] - Starting... Running on... Device 0: NVIDIA RTX A6000 Quick Mode Host to Device Bandwidth, 1 Device(s) PINNED Memory Transfers Transfer Size (Bytes) Bandwidth(GB/s) 32000000 6.0 Device to Host Bandwidth, 1 Device(s) PINNED Memory Transfers Transfer Size (Bytes) Bandwidth(GB/s) 32000000 6.6 Device to Device Bandwidth, 1 Device(s) PINNED Memory Transfers Transfer Size (Bytes) Bandwidth(GB/s) 32000000 637.2 Result = PASS NOTE: The CUDA Samples are not meant for performance measurements. Results may vary when GPU Boost is enabled.
Sie können jedes Beispiel ausführen. Probieren Sie Samples\5_Domain_Specific\p2pBandwidthLatencyTest aus, um Ihre Topologie und Konnektivitätsmatrix zu sehen:
[P2P (Peer-to-Peer) GPU Bandwidth Latency Test] Device: 0, NVIDIA RTX A6000, pciBusID: 3, pciDeviceID: 0, pciDomainID:0 Device: 1, NVIDIA RTX A6000, pciBusID: 4, pciDeviceID: 0, pciDomainID:0 Device=0 CAN Access Peer Device=1 Device=1 CAN Access Peer Device=0 ***NOTE: In case a device doesn't have P2P access to other one, it falls back to normal memcopy procedure. So you can see lesser Bandwidth (GB/s) and unstable Latency (us) in those cases. P2P Connectivity Matrix D\D 0 1 0 1 1 1 1 1 Unidirectional P2P=Disabled Bandwidth Matrix (GB/s) D\D 0 1 0 671.38 6.06 1 6.06 671.47 Unidirectional P2P=Enabled Bandwidth (P2P Writes) Matrix (GB/s) D\D 0 1 0 631.31 52.73 1 52.83 673.00 Bidirectional P2P=Disabled Bandwidth Matrix (GB/s) D\D 0 1 0 645.00 8.19 1 8.11 677.87 Bidirectional P2P=Enabled Bandwidth Matrix (GB/s) D\D 0 1 0 655.96 101.78 1 101.70 677.92 P2P=Disabled Latency Matrix (us) GPU 0 1 0 2.20 49.07 1 10.33 2.20 CPU 0 1 0 3.55 7.01 1 6.79 3.39 P2P=Enabled Latency (P2P Writes) Matrix (us) GPU 0 1 0 2.19 1.33 1 1.26 2.22 CPU 0 1 0 6.80 4.86 1 2.09 3.02 NOTE: The CUDA Samples are not meant for performance measurements. Results may vary when GPU Boost is enabled.
Veröffentlicht: 07.05.2024