Моя догадка - та же самая причина, по которой потоп (другой торрент-клиент) делает то же самое. Когда он заканчивает загрузку, он использует алгоритмы хэша для проверки целостности файлов и следит за тем, чтобы загруженный файл был в порядке. Другими словами, он проверяет, что загруженный файл на 100% совпадает с другими клиентами. Хеширование - дорогостоящий процесс процессора, особенно если мы имеем дело с большими файлами. В моем случае у меня есть intel i3 (не верхняя часть линии, а довольно хороший процессор), и для проверки требуется около 1 минуты на каждый ГБ. Он также может зависеть от количества файлов, поскольку хэширование выполняется парным файлом (если у вас несколько ГБ многих небольших архивов, это займет больше времени). Я бы не стал беспокоиться об этом, это хорошая функция протокола bittorrent, и он не оплачивает ее отключение (вы можете получить неработающие изо и сломанные видеофайлы).
Надеюсь, это поможет.
Установка CUDA немного сложна. Я выполнил следующие шаги, и это работает для меня. Вы также можете ссылаться на эту ссылку.
Подтверждение среды:
lspci | grep -i nvidia (убедитесь, что отображается информация о плате NVIDIA) uname -m (убедитесь, что она x86_64) gcc --version (убедитесь, что он установлен)Установка CUDA -
lspci | grep -i nvidia (убедитесь, что отображается информация о плате NVIDIA)lspci | grep -i nvidia (убедитесь, что отображается информация о плате NVIDIA)
sudo apt-get install build-essential
echo blacklist nouveau option nouveau modeset=0 |sudo tee -a /etc/modprobe.d/blacklist-nouveau.conf
sudo update-initramfs -u
uname -m (убедитесь, что это x86_64) uname -m (убедитесь, что это x86_64)
gcc --version (убедитесь, что он установлен)gcc --version (убедитесь, что он установлен)
Accept EULA условия Скажите ДА, чтобы установить драйвер NVIDIA Скажите ДА, чтобы установить CUDA Toolkit + Driver Скажите ДА, чтобы установить образцы CUDA Скажите НЕТ перестраивать любые конфигурации Xserver с помощью Nvidia Проверьте, существуют ли файлы /dev/nvidia*. Если они этого не делают, выполните следующиеsudo modprobe nvidia
Перечислите переменные пути среды export PATH=/usr/local/cuda-7.5/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH
Проверьте версию драйвера cat /proc/driver/nvidia/version`
Проверьте версию драйвера CUDA nvcc –V
снова включите подсветку sudo service lightdm start
Ctrl + Alt + F7 и войдите в систему система через GUI Создайте образцы CUDA, перейдите в папку NVIDIA_CUDA-7.5_Samples через терминал, затем выполните следующую команду: make
cd bin/x86_64/linux/release/
./deviceQuery
./bandwidthTest
Оба теста должны в конечном итоге вывести «PASS» в терминале. Перезагрузите систему Есть два способа установить подходящий CUDA-драйвер (для Optimus и других встроенных графических чипсетов на гибридных материнских платах) - первое, что описано здесь, является самым простым, а второе описание более громоздким, но эффективным тоже: [!d0 ]
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-355 nvidia-prime
sudo reboot
Описание метода B здесь, но уже старше (объясняется пользователем dschinn1001) - этот метод B более унизителен и может быть рискованным, но не вредным. :
Как установить драйвер Nvidia GT 520 и Cuda 5.0 в Ubuntu13.04?
Бета-драйвер-пакет для Nvidia для загрузки для Linux находится здесь:
Как установить драйвер Nvidia GT 520 и Cuda 5.0 в Ubuntu13.04?
Метод A более прост, но не ясен, как он взаимодействует с xscreensaver и методом B старше, но пакет драйверов также обновляется в последнее время, и после того, как метод B завершен, он должен работать лучше, если xscreensaver обеспечивает установку xscreensaver. (Я тестировал метод B на 13.10, и это работало очень хорошо, даже с xscreensaver. И я думаю, что остальная часть этого потока зависит от аппаратного обеспечения.)
Кроме того, и в отношении шмеля с Optimus- графические чипсеты, эти настройки для шмеля также необходимы:
Как настроить nVidia Optimus / Bumblebee в 14.04
Звучит как ошибка lp 1428972.
Пользователь fennytansy добавил обходное решение в lp bug 1428972 :
sudo apt-get install libglew-dev libcheese7 libcheese-gtk23 libclutter-gst-2.0-0 libcogl15 libclutter-gtk-1.0-0 libclutter-1.0-0
Я успешно установил CUDA с помощью метода runfile. Это немного сложнее, потому что ваш основной графический драйвер также должен быть установлен с использованием метода runfile (см. Здесь).
Попробуйте установить также драйвер. Это можно сделать с помощью метода runfile. Он предложит вам каждую часть установки, и вы можете отключить библиотеки GL и инструментальные средства. Центр управления единством также дал мне проблемы, из-за необходимости использования CUDA для использования libGLU.so вместо libGL.so. Это простое решение при создании собственных примеров обучения.
Попробуйте удалить драйвер nvidia и напрямую установить cuda без него. На новом Ubuntu 14.04 я выполнил инструкции с сайта nvidia. Помимо проверки совместимых версий вещей (gcc, kernel), инструкции были следующими:
sudo dpkg -i cuda-repo-ubuntu1404_7.5-18_amd64.deb
sudo apt-get update
sudo apt-get install cuda
К счастью, правильный драйвер nvidia был установлен как побочный продукт описанных выше шагов.
Я провел целый день, пытаясь использовать «ppa: graphics-drivers / ppa» для обновления драйверов NVIDIA до версии 352. Все провалилось. После одной установки gpu-manager.log сообщила, что драйверы были установлены, а Xorg.0.log сообщал об обратном.
Драйвер nouveau был удален и занесен в черный список: sudo apt-get --purge удалить xserver-xorg-video-nouveau cat /etc/modprobe.d/nouveau-nomodeset-jsrobin.conf blacklist nouveau options nouveau modeset = 0 alias nouveau off alias lbm-nouveau off
Я, наконец, сдался и использовал чисто «решение NVIDIA ... bin».
Черный список, как показано выше. полностью удалил Nouveau Xserver, как указано выше. Установите системную биосистему, чтобы PCIe (две карты nvidia) были первичными и дезактивировали интерфейс материнской платы HD4600. загрузился в режим восстановления, активировал сеть, затем перешел в режим консоли. Ran "NVIDIA-Linux-x86_64-352.41.run -uninstall", чтобы убедиться, что ничего не осталось. Удалены все старые каталоги в / etc, / usr / local, которые выглядели как остатки прошлых настроек cuda или nvidia. Ran "NVIDIA-Linux-x86_64-352.41.run" Ran "NVIDIA-Linux-x86_64-352.41.run --check", чтобы убедиться, что все было правильно (было). Затем запустите «cuda_7.5.18_linux.run», чтобы завершить установку. Вещи в настоящее время работают. Оба монитора работают и работают. В настоящее время работает над созданием файлов образцов cuda. Обязательно используйте флаги «--help» на установочных ящиках NVIDIA. Основная причина, по которой я решил отправиться в маршрут бина (наряду с одной из альтернатив, которые не работают, заключается в том, что подход «bin» обеспечивает легкий путь к восстановлению после обновления «mesa» OpenGL.Пожалуйста, обратитесь к: https://github.com/astorfi/Caffe_Deep_Learning/blob/master/Installation/readme.md. Это связано с установкой Caffe по существу, но он также обращается к установке CUDA.
Я попробовал sudo su и apt-get install cuda вместо sudo apt-get install cuda. Это сработало.
sudo dpkg -i cuda-repo-ubuntu1404_7.5-18_amd64.deb
sudo apt-get update
sudo su
apt-get install cuda
-problems with lightdm log in (login loop)
-проблемы с драйвером istall («Ошибка установки драйвера: похоже, что X-сервер запущен ...»)
Чтобы успешно установить NVidia CUDA Toolkit на Ubuntu 16.04 64bit, мне просто нужно было сделать:
сделать liveImage Ubuntu на pendrive (достаточно ручка 8 ГБ) - такая попытка спасет тонну нервы, перед неудачной установкой на вашу хост-систему Linux !!! войдите в активную сессию в pendrive («Попробуйте Ubuntu, перед установкой») добавьте пользователя sudo в сеанс live: sudo adduser admin (#pass: admin1) sudo usermod -aG sudo admin logout из live сеанса, войдите в систему как #admin загрузить CUDA Toolkit с официального сайта NVidia (~ 1,5 ГБ) измените привилегии для загруженного файла установщика (НЕ УСТАНАВЛИВАЙТЕ НА ЭТОЙ ШАГЕ!): sudo chmod + x cuda_X.X.run переключится в консольный вид: Ctr + Alt + F1 (для включения терминала ) Ctr + Alt + F7 (для переключения с терминала на графический сервер) в режиме консоли (Ctr + Alt + F1) войти в систему: login: admin pass: admin1 остановить графический запуск службы: sudo service lightdm остановить проверку, если графический сервер выключен - после переключения Ctr + Alt + F7 монитор должен быть чистым, переключиться обратно на консольный просмотр Ctr + Alt + F1 установить CUDA Toolkit с такой конфигурацией: sudo ./cuda_X.X.run (нажмите «q» для прочтения лицензии ) не устанавливайте библиотеку OpenGL, не обновляйте конфигурацию системы X, другие параметры делают yes и paths по умолчанию включаются в графическую подачу r: sudo service lightdm start log in as user (если вы автоматически регистрируетесь в качестве #ubuntu при выходе из сеанса в реальном времени): login: admin pass: admin1 проверить, что работает с nvcc-компилятором, при условии простой параллельной векторной суммы на GPU Блоки: сохранить vecSum. cu и book.h в новых файлах, компилировать и запускать в терминале: /usr/local/cuda-8.0/bin/nvcc vecSum.cu & amp; & amp; & amp; & amp; & amp; clear & amp; & amp; ./a.out проверить распечатку консоли - он должен быть похож на: 0.000000 + 0.000000 = 0.000000-1.100000 + 0.630000 = -0.000000
-2.200000 + 2.520000 = 0.319985
-3.300000 + 5.670000 = 2.119756
-4.400000 + 10.080000 = 5.679756
-5.500000 + 15.750000 = 10.250000
-6.600000 + 22.680000 = 16.017500
-7.700000 + 30.870001 = 23.170002
-8.800000 + 40.320000 = 31.519997
-9.900000 + 51.029999 = 41.129967
, если все пошло хорошо на живой сеанс pendrive, сделайте то же самое на вашей Linux-системе хоста P.S. Обратите внимание, что это не идеальный учебник, но отлично работает для меня!
======= vecSum.cu =====
#include "book.h"
#define N 50000
///usr/local/cuda-8.0/bin/nvcc vecSum.cu && clear && ./a.out
//"HOST" = CPU
//"Device" = GPU
__global__ void add( float *a, float *b, float *c )
{
int tid = blockIdx.x;
if ( tid < N )
c[ tid ] = a[ tid ] + b[ tid ];
}
int main ( void )
{
float a[ N ], b[ N ], c[ N ];
float *dev_a, *dev_b, *dev_c;
//GPU memory allocation
HANDLE_ERROR( cudaMalloc( ( void** )&dev_a, N * sizeof( float ) ) );
HANDLE_ERROR( cudaMalloc( ( void** )&dev_b, N * sizeof( float ) ) );
HANDLE_ERROR( cudaMalloc( ( void** )&dev_c, N * sizeof( float ) ) );
//sample input vectors CPU generation
for ( int i = 0; i < N; i++ )
{
a[ i ] = -i * 1.1;
b[ i ] = i * i * 0.63;
}
//copy/load from CPU to GPU data vectors a[], b[] HostToDevice
HANDLE_ERROR( cudaMemcpy( dev_a, a, N * sizeof( float ), cudaMemcpyHostToDevice ) );
HANDLE_ERROR( cudaMemcpy( dev_b, b, N * sizeof( float ), cudaMemcpyHostToDevice ) );
//calculate sum of vectors on GPU
add<<<N,1>>> ( dev_a, dev_b, dev_c );
//copy/load result vector from GPU to CPU c[] DeviceToHost
HANDLE_ERROR( cudaMemcpy( c, dev_c, N * sizeof( float ), cudaMemcpyDeviceToHost ) );
//printout results
for ( int i = 0; i < 10; i++ ) printf( "%f + %f = %f\n", a[ i ], b[ i ], c[ i ] );
//free memory and constructed objects on GPU
cudaFree( dev_a );
cudaFree( dev_b );
cudaFree( dev_c );
return 0;
}
=== ====== book.h ======
/*
* Copyright 1993-2010 NVIDIA Corporation. All rights reserved.
*
* NVIDIA Corporation and its licensors retain all intellectual property and
* proprietary rights in and to this software and related documentation.
* Any use, reproduction, disclosure, or distribution of this software
* and related documentation without an express license agreement from
* NVIDIA Corporation is strictly prohibited.
*
* Please refer to the applicable NVIDIA end user license agreement (EULA)
* associated with this source code for terms and conditions that govern
* your use of this NVIDIA software.
*
*/
#ifndef __BOOK_H__
#define __BOOK_H__
#include <stdio.h>
static void HandleError( cudaError_t err,
const char *file,
int line ) {
if (err != cudaSuccess) {
printf( "%s in %s at line %d\n", cudaGetErrorString( err ),
file, line );
exit( EXIT_FAILURE );
}
}
#define HANDLE_ERROR( err ) (HandleError( err, __FILE__, __LINE__ ))
#define HANDLE_NULL( a ) {if (a == NULL) { \
printf( "Host memory failed in %s at line %d\n", \
__FILE__, __LINE__ ); \
exit( EXIT_FAILURE );}}
template< typename T >
void swap( T& a, T& b ) {
T t = a;
a = b;
b = t;
}
void* big_random_block( int size ) {
unsigned char *data = (unsigned char*)malloc( size );
HANDLE_NULL( data );
for (int i=0; i<size; i++)
data[i] = rand();
return data;
}
int* big_random_block_int( int size ) {
int *data = (int*)malloc( size * sizeof(int) );
HANDLE_NULL( data );
for (int i=0; i<size; i++)
data[i] = rand();
return data;
}
// a place for common kernels - starts here
__device__ unsigned char value( float n1, float n2, int hue ) {
if (hue > 360) hue -= 360;
else if (hue < 0) hue += 360;
if (hue < 60)
return (unsigned char)(255 * (n1 + (n2-n1)*hue/60));
if (hue < 180)
return (unsigned char)(255 * n2);
if (hue < 240)
return (unsigned char)(255 * (n1 + (n2-n1)*(240-hue)/60));
return (unsigned char)(255 * n1);
}
__global__ void float_to_color( unsigned char *optr,
const float *outSrc ) {
// map from threadIdx/BlockIdx to pixel position
int x = threadIdx.x + blockIdx.x * blockDim.x;
int y = threadIdx.y + blockIdx.y * blockDim.y;
int offset = x + y * blockDim.x * gridDim.x;
float l = outSrc[offset];
float s = 1;
int h = (180 + (int)(360.0f * outSrc[offset])) % 360;
float m1, m2;
if (l <= 0.5f)
m2 = l * (1 + s);
else
m2 = l + s - l * s;
m1 = 2 * l - m2;
optr[offset*4 + 0] = value( m1, m2, h+120 );
optr[offset*4 + 1] = value( m1, m2, h );
optr[offset*4 + 2] = value( m1, m2, h -120 );
optr[offset*4 + 3] = 255;
}
__global__ void float_to_color( uchar4 *optr,
const float *outSrc ) {
// map from threadIdx/BlockIdx to pixel position
int x = threadIdx.x + blockIdx.x * blockDim.x;
int y = threadIdx.y + blockIdx.y * blockDim.y;
int offset = x + y * blockDim.x * gridDim.x;
float l = outSrc[offset];
float s = 1;
int h = (180 + (int)(360.0f * outSrc[offset])) % 360;
float m1, m2;
if (l <= 0.5f)
m2 = l * (1 + s);
else
m2 = l + s - l * s;
m1 = 2 * l - m2;
optr[offset].x = value( m1, m2, h+120 );
optr[offset].y = value( m1, m2, h );
optr[offset].z = value( m1, m2, h -120 );
optr[offset].w = 255;
}
#if _WIN32
//Windows threads.
#include <windows.h>
typedef HANDLE CUTThread;
typedef unsigned (WINAPI *CUT_THREADROUTINE)(void *);
#define CUT_THREADPROC unsigned WINAPI
#define CUT_THREADEND return 0
#else
//POSIX threads.
#include <pthread.h>
typedef pthread_t CUTThread;
typedef void *(*CUT_THREADROUTINE)(void *);
#define CUT_THREADPROC void
#define CUT_THREADEND
#endif
//Create thread.
CUTThread start_thread( CUT_THREADROUTINE, void *data );
//Wait for thread to finish.
void end_thread( CUTThread thread );
//Destroy thread.
void destroy_thread( CUTThread thread );
//Wait for multiple threads.
void wait_for_threads( const CUTThread *threads, int num );
#if _WIN32
//Create thread
CUTThread start_thread(CUT_THREADROUTINE func, void *data){
return CreateThread(NULL, 0, (LPTHREAD_START_ROUTINE)func, data, 0, NULL);
}
//Wait for thread to finish
void end_thread(CUTThread thread){
WaitForSingleObject(thread, INFINITE);
CloseHandle(thread);
}
//Destroy thread
void destroy_thread( CUTThread thread ){
TerminateThread(thread, 0);
CloseHandle(thread);
}
//Wait for multiple threads
void wait_for_threads(const CUTThread * threads, int num){
WaitForMultipleObjects(num, threads, true, INFINITE);
for(int i = 0; i < num; i++)
CloseHandle(threads[i]);
}
#else
//Create thread
CUTThread start_thread(CUT_THREADROUTINE func, void * data){
pthread_t thread;
pthread_create(&thread, NULL, func, data);
return thread;
}
//Wait for thread to finish
void end_thread(CUTThread thread){
pthread_join(thread, NULL);
}
//Destroy thread
void destroy_thread( CUTThread thread ){
pthread_cancel(thread);
}
//Wait for multiple threads
void wait_for_threads(const CUTThread * threads, int num){
for(int i = 0; i < num; i++)
end_thread( threads[i] );
}
#endif
#endif // __BOOK_H__