Verifique NVLink en Windows
Tenga en cuenta que debe Instalar los controladores Nvidia en Windows o Instalar el conjunto de herramientas CUDA en Windows antes de verificar las conexiones NVLink. Además, cambie el modo de GPU a TCC.
Instalar Visual Studio
Asegurémonos de que todo funcione correctamente ejecutando cuda-samples del repositorio oficial. Para lograr esto, necesitamos instalar Visual Studio 2022 CE (Community Edition) secuencialmente y reinstalar el conjunto de herramientas CUDA para activar los complementos de VS. Visite https://visualstudio.microsoft.com/downloads/ para descargar Visual Studio 2022:
Ejecute el instalador descargado, marque Desarrollo de escritorio con C++, y haga clic en el botón Instalar:
Ejecuta las pruebas
Reinstale el conjunto de herramientas CUDA utilizando nuestra guía paso a paso Install CUDA toolkit in Windows. Reinicie el servidor y descargue el archivo ZIP con cuda-samples. Descomprímalo y abra el subdirectorio Samples\1_Utilities\bandwidthTest. Haga doble clic en bandwidthTest_vs2022 y ejecute usando el atajo de teclado Ctrl + F5:
[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.
Puede ejecutar cualquier muestra. Pruebe Samples\5_Domain_Specific\p2pBandwidthLatencyTest para ver su topología y matriz de conectividad:
[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.
Publicado: 07.05.2024