• 感谢大家访问本站,希望本站的内容可以帮助到大家!

  • 计算机图形学与计算几何经典必备书单整理,下载链接可参考:https://www.stubbornhuang.com/1256/

  • 如果觉得本站的内容有帮助,可以考虑打赏博主哦!

  • 工资「喂饱肚子」,副业「养活灵魂」!

  • 本站由于前段时间遭受到大量临时和国外邮箱注册,所以对可注册的邮箱类型进行了限制!

  • 欢迎大家交换友链,可在https://www.stubbornhuang.com/申请友情链接进行友链交换申请!

  • 问题反馈可发送邮件到stubbornhuang@qq.com

  • 本站会放置Google广告用于维持域名以及网站服务器费用。

  • 在本站开通年度VIP,无限制下载本站资源和阅读本站文章

C++ – 使用cuda api获取本机显卡数量和显卡信息

C++ 发布于2023-03-08 阅读 3,701次 0次评论 0次点赞 本文共1095个字,阅读需要3分钟。

1 使用cuda api获取本机显卡数量和显卡信息

我们可以在C++中结合CUDA API获取本机显卡数量以及每一个显卡的Memory Clock Rate、Memory Bus Width、Peak Memory Bandwidth等信息。

使用cudaGetDeviceCount函数返回连接到此系统支持的CUDA设备数量,然后循环每一个设备获取相应的信息,示例代码如下:

#include <iostream>

#include "cuda_runtime.h"

int main()
{
    int gpu_devices_num;
    cudaError_t err = cudaGetDeviceCount(&gpu_devices_num);

    if (err != cudaSuccess)
    {
        std::cout << "Error Message : " << cudaGetErrorString(err) << std::endl;
    }

    std::cout << "GPU num : " << gpu_devices_num << std::endl;

    for (int i = 0; i < gpu_devices_num; ++i)
    {
        cudaDeviceProp prop;
        cudaGetDeviceProperties(&prop, i);

        std::cout << "Device Number: " << i << std::endl;
        std::cout << "  Device name: " << prop.name << std::endl;
        std::cout << "  Memory Clock Rate (KHz): " << prop.memoryClockRate << std::endl;
        std::cout << "  Memory Bus Width (bits): " << prop.memoryBusWidth << std::endl;
        std::cout << "  Peak Memory Bandwidth (GB/s): " << 2.0 * prop.memoryClockRate * (prop.memoryBusWidth / 8) / 1.0e6 << std::endl;
    }

    return 0;
}

输出结果:

GPU num : 1
Device Number: 0
  Device name: NVIDIA GeForce GTX 1070
  Memory Clock Rate (KHz): 4004000
  Memory Bus Width (bits): 256
  Peak Memory Bandwidth (GB/s): 256.256

参考链接

欢迎扫码关注我的微信公众号,及时获取文章更新

微信公众号二维码

本文作者:StubbornHuang

版权声明:本文为站长原创文章,如果转载请注明原文链接!

原文标题:C++ – 使用cuda api获取本机显卡数量和显卡信息

原文链接:https://www.stubbornhuang.com/2537/

发布于:2023年03月08日 13:32:54

修改于:2023年06月21日 17:06:07

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。

文章末尾
上一篇
TensorRT - 基于TensorRT的多线程并发推理方案
TensorRT
下一篇
并发与并行的概念和区别
编程技术
当前分类随机文章推荐

发表评论

您必须 [ 登录 ] 才能发表留言!

关注我们的公众号

微信公众号