一、Linux环境选择

首先准备一个带NVIDIA GPU的Linux环境；

笔者这里用的是WSL，N卡是原本Windows上带的。

• Ubuntu 20.04 LTS
• RTX 1650

尝试过的其他方法：

• Windows环境（兼容性问题）
• Vmware虚拟机环境（虚拟化过程繁琐）
• 单主机双系统（切换不便，卡顿）
• 云服务器（成本问题，有些驱动版本需要更新）
• Mac环境（不支持CUDA）

二、NVIDIA驱动安装

直接用Windows下载.exe文件安装；

另外，安装过程会伴随多次黑屏和重启，并且会需要一段时间，请耐心等待，会自动同步到WSL中；

如果没同步就请apt install nvidia-utils-535-server

值得一提的是，安装之前需要把旧版的带NVIDIA的软件全部卸载（除了NVIDIA Control Panel）

作为参考，笔者的驱动版本是536.67

check: nvidia-smi

三、更新依赖

sudo apt update
sudo apt-get update
sudo apt-get install libclang-dev
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

获取权限（可选）：sudo su

四、CUDA 12.2下载安装：

方式一：

推荐基于发行版的文档进行安装，这里是Ubuntu，参考文档如下：

https://help.ubuntu.com/community/NvidiaDriversInstallation

方式二：

直接安装：

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda

更新环境变量nano ~/.bashrc --> 以下操作 --> source ~/.bashrc

注意，这一步如果原本机器上没有旧版的CUDA就不用做

export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

注：退出nano的方法可以是Ctrl + X, Y, Enter（三步）

check: nvcc --version

五、Rust & Cargo下载

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh之后输入1；

随后重新加载source $HOME/.cargo/env；

check: cargo --version && rustc --version

---

六、克隆仓库 + 环境变量

git clone https://github.com/Conqueror712/CUDA-Simulator.git

配置环境变量，用nano写入nano ~/.bashrc，写入后保存source ~/.bashrc

export PATH=/usr/local/cuda-12.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-12.2/bin:$PATH
export LIBCLANG_PATH=/usr/lib/x86_64-linux-gnu/
export BINDGEN_EXTRA_CLANG_ARGS="-I /usr/local/cuda-12.2/include"

七、生成动态链接库

于项目根目录下cargo build --release，生成libcuda.so文件，默认在target/release/

八、简单测试

1. cd进入smoketest，用nvcc smoketest.cu编译得到a.out，再运行./a.out

   

2. 无错误之后方可LD_PRELOAD=/home/<username>/CUDA-Simulator/cargo_demo/target/release/libcuda.so ./a.out查看trace（已经实现的会显示..... --> CUDA_SUCCESS）

   

3. cargo doc --open在浏览器中打开文档查看函数签名

   

4. 之后往lib.rs中添加自己的实现即可

---

FIN