Nvidia针对异构本身有一套开发平台,叫 NVIDIA® Nsight™ ,有很强的debug和程序分析工具。
有 Nsight Visual Studio 和 Nsight Eclipse 两个版本。
在这里的平台:
Host:
Tegra tx 1板子:
Ubuntu 14.04.4 LTS Linux tegra-ubuntu 3.10.67-gcdddc52 #1 SMP PREEMPT Mon Nov 9 13:16:26 PST 2015 aarch64 aarch64 aarch64 GNU/Linux
安装cuda driver toolkit等的步骤都忽略还需要安装git 然后简单设置下username
git --config global user.name "yourname" git --config global user.email "email"
以新建cuda samples项目为例
接下来会选择cuda sample,随便选一个,然后下一步,如果有nvidia显卡,应该会自动检测出来,如果没有也不用管,直接next即可。注意最好勾选5.0,去掉勾选的1.0,不然编译时可能出现 nvcc fatal : Unsupported gpu architecture 'compute_10'
的错误
单击manage则可以添加remote target
设置toolkit
按照如图设置
设置好后记得要选择。会变成类似
如果本机没有cuda 显卡,可以直接叉掉 local System
如果按照以上步骤进行,在Project—>Build—>BuildConfigutrations—>set active 里可以看到远程target的debug和release两个build模式。(只有一个也没关系。)
且makefile不在根目录下,则项目可以通过File—>New—>Makefile Project with Exsiting Code 导入项目,然后在项目上右键—>properties—>Build 点击Manage Configurations 添加自己的config,接着在新建的config里,设置Build Location的Builde directory 为makefile所在的路径。build的时候记得用这个配置文件。简单的编译结果
18:30:50 **** Incremental Build of configuration Debug for project test2 **** # 可以从路径上看出是否是板子 make all -C /home/ubuntu/cuda_work/test2/Debug make: Entering directory `/home/ubuntu/cuda_work/test2/Debug' Building file: ../src/test2.cu Invoking: NVCC Compiler /usr/local/cuda-7.0/bin/nvcc -G -g -O0 -gencode arch=compute_50,code=sm_50 -odir "src" -M -o "src/test2.d" "../src/test2.cu" /usr/local/cuda-7.0/bin/nvcc --compile -G -O0 -g -gencode arch=compute_50,code=compute_50 -gencode arch=compute_50,code=sm_50 -x cu -o "src/test2.o" "../src/test2.cu" Finished building: ../src/test2.cu Building target: test2 Invoking: NVCC Linker /usr/local/cuda-7.0/bin/nvcc --cudart static -link -o "test2" ./src/test2.o Finished building target: test2 make: Leaving directory `/home/ubuntu/cuda_work/test2/Debug' > Shell Completed (exit code = 0) 18:30:57 Build Finished (took 7s.412ms)
编译完成后,项目的Binaries部分里即出现编译好的目标文件
编译完成后,在板子上之前设置的路径下,会出现编译好的文件。
在run之前,可能需要通过Run—>Debug Remore Application来设置一些参数。
然后就可以按照正常eclipse debug的方式进行debug了
How to use the Jetson TK1 as a remote development environment for CUDA