linux降低cuda版本

在开发深度学习算法时，CUDA是一种非常流行的平台和API，用于使用NVIDIA GPU实现高性能计算。然而，有时候我们可能需要在低版本的CUDA上运行代码，本文将介绍如何将代码适配到低版本的CUDA上。

1. 检查CUDA版本

首先，我们需要检查我们的CUDA版本。可以通过以下命令来检查：

nvcc --version

例如，我的电脑上安装了CUDA 10.2：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Wed_Oct_23_21:14:42_PDT_2019
Cuda compilation tools, release 10.2, V10.2.89

2. 更改代码中的CUDA API

接下来，我们需要检查代码中的CUDA API，因为不同的CUDA版本可能使用不同的API。如果我们要将代码移植到较低的CUDA版本，那么我们需要更改代码中使用的API，以适应该版本的CUDA API。

例如：

• 在CUDA 10.2中，我们可以使用以下API来申请GPU内存：

  cudaMalloc((void **)&deviceArray, size);
  

• 在CUDA 9.0中，我们需要更改为以下API：

  cudaError_t error = cudaMalloc((void **)&deviceArray, size);
  if (error != cudaSuccess) {
    printf("cudaMalloc failed!\n");
    exit(1);
  }
  

由于不同版本的CUDA可能有不同的API，因此最好查看相应版本的CUDA文档来查找正确的API。

3. 编译代码

在完成代码更改后，我们需要重新编译代码以使用正确的CUDA库。我们可以使用以下命令在命令行中编译CUDA程序：

nvcc -arch=compute_XX -code=sm_XX file1.cu file2.cu ...

其中-arch和-code选项指定要编译的目标GPU架构和SM架构。我们可以使用以下命令查看CUDA GPU的SM架构：

nvidia-smi -a

例如，如果要编译针对具有SM 3.5架构的GPU的代码，则可以使用以下命令：