【CUDA】保姆级用学校服务器远程编写运行CUDA代码-jupyter

用学校服务器远程编写运行CUDA代码

0 前言
1 检查当前系统是否支持CUDA
2 在 Jupyter 中编写和执行代码
3 打开终端激活pytorch环境
4 创建新文件（.cu格式）
5 执行代码

0 前言

关于如何用xshell连学校服务器，我在之前的博客中已经详细介绍了，不会的可以去看看。
VScode/Xshell连接学校服务器
学校服务器安装anaconda并配置pytorch环境

1 检查当前系统是否支持CUDA

在这里插入图片描述

conda activate pytorch # 激活pytorch环境

python # 进入python环境

import torch # 导入torch

torch.cuda.is_available() # 检查当前系统是否支持CUDA

如果最后是True即可，如果是False则需看0小节前言中的博客如何安装cuda在学校服务器上

2 在 Jupyter 中编写和执行代码

在 Jupyter 中编写和执行代码的主要目的是进行数据分析、数据可视化、实验计算、机器学习模型训练等任务。我们可以分步执行代码块，实时查看结果，并进行实验和调试。
首先要先了解实验室服务器的jupyter端口号是什么
在这里插入图片描述
网页地址为：http://服务器ip地址:jupyter端口号

比如：
服务器ip地址为：172.21.252.145
jupyter端口号：8887
网页地址为：http://172.21.252.145:8887
在这里插入图片描述

Terminal（终端）：Terminal 可以让用户直接在 Jupyter Notebook 界面中打开一个终端窗口，并在其中执行命令行操作。
Text File（文本文件）：Text File 功能允许用户创建、编辑和查看文本文件。
Markdown File：Markdown File 功能允许用户创建和编辑 Markdown 格式的文档。
Tensorboard：Tensorboard 是 TensorFlow 深度学习框架提供的可视化工具，用于帮助用户可视化训练过程中的模型指标、参数、图表等。
Contextual Help（上下文帮助）：Contextual Help 功能提供了代码提示和文档查看功能，用户可以在编辑代码时方便地查阅相关函数、模块的文档和帮助信息。

3 打开终端激活pytorch环境

conda activate pytorch

在这里插入图片描述

4 创建新文件（.cu格式）

在launch启动器Text File中创建
在这里插入图片描述
我们可以尝试运行这段代码：
我是参考博客中的代码：CUDA 编程——Vector Addition

#include <stdio.h>
#include <time.h>
#include <math.h>
#include "cuda_runtime.h"
#include "device_launch_parameters.h"


int main()
{
    cudaDeviceProp deviceProp;
    cudaGetDeviceProperties(&deviceProp, 0);
    printf("设备名称与型号: %s\n", deviceProp.name);
    printf("显存大小: %d MB\n", (int)(deviceProp.totalGlobalMem / 1024 / 1024));
    printf("含有的SM数量: %d\n", deviceProp.multiProcessorCount);
    printf("CUDA CORE数量: %d\n", deviceProp.multiProcessorCount * 192);
    printf("计算能力: %d.%d\n", deviceProp.major, deviceProp.minor);
}