Relógio 2.3.10
Nesta versão realizei:
- a inclusão do form Registro.pas
- a inclusão da versão na tela principal do form.
- Correção no nome final do instalador
Nesta versão realizei:
O processo abaixo descreve como instalar a placa de vídeo GTX-1070 no Ubuntu.
O objetivo deste tutorial é auxiliar programadores e estudantes de IA, pois a GTX1070 é recomendada para processamento de padrões.
Referências:
https://itectec.com/ubuntu/ubuntu-install-driver-for-gtx-1070/
https://gist.github.com/iSkore/ad043b64c8576d8eb818f7027da18b09
sudo apt remove nvidia*
sudo apt update
sudo apt install dkms build-essential linux-headers-generic vim
gcc
Primeiro será necessário baixar a versão do instalador do site da NVIDIA.
Para isso entre no site:
https://www.nvidia.com.br/Download/index.aspx?lang=br
Informe primeiro o tipo da sua placa, em seguida a série, e a família.
O sistema operacional vem em seguida. Algumas placas não tem todos os sistemas operacionais.
Ao clicar em procurar, surgirá a seguinte tela:
Click em baixar, e aceite os termos, nas telas subsequentes.
Por fim, irá comecar a baixar o arquivo NVIDIA-Linux-x86_64-470.94.run
sudo sh ./NVIDIA-Linux-x86_64-470.94.run
Rode conforme o comando acima.
O padrão de instalação é o enter, vc pode selecionar, outra opção ou usar enter sempre que perguntar, para selecionar opção padrão.
Por fim, reinicie o computador.
Dê reboot na maquina, em seguida, encontre o aplicativo:
Drivers Adicionais
Execute o mesmo, e vc verá conforme figura abaixo:
Na aba Drivers Adicionais, a gpu instalada, conforme figura acima.
CUDA Toolkit é um conjunto de ferramentas desenvolvidas para programação em GPU.
Este processo tambem foi testado em uma máquina Ubuntu 20.04.02.
Informações relacionadas ao Toolkit:
https://developer.nvidia.com/cuda-toolkit
Para instalação é necessário verificar a sua distribuição, no caso do ubuntu ou xubuntu 18.04.
Siga os passos abaixo:
Baixe o arquivo pin
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
Mova para o repositório de pacotes
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
Baixe agora o pacote cuda.
wget https://developer.download.nvidia.com/compute/cuda/11.4.1/local_installers/cuda-repo-ubuntu1804-11-4-local_11.4.1-470.57.02-1_amd64.deb
Instale o pacote conforme o comando abaixo:
sudo dpkg -i cuda-repo-ubuntu1804-11-4-local_11.4.1-470.57.02-1_amd64.deb
Adicione a chave do repositório
sudo apt-key add /var/cuda-repo-ubuntu1804-11-4-local/7fa2af80.pub
Por fim atualize a lista de pacotes:
sudo apt-get update
sudo apt-get upgrade
Baixando o pacote cuda, e suas dependencias.
sudo apt-get -y install cuda
As informações aqui fornecidas, foram retiradas do site:
Referencia:
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.5.1/local_installers/cuda-repo-ubuntu2004-11-5-local_11.5.1-495.29.05-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2004-11-5-local_11.5.1-495.29.05-1_amd64.deb
sudo apt-key add /var/cuda-repo-ubuntu2004-11-5-local/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda
Já apresentei em posts anteriores a possibilidade de integração e leitura das informações da GPU NVIDIA.
Através da aplicação nvidia-smi, é possível realizar a leitura das diversas funcionalidades da api da nvidia.
Um exemplo de uso, é descobrir quantas placas de vídeo existem em seu desktop.
O comando a baixo permite isso:
nvidia-smi --query-gpu=gpu_name, vbios_version --format=csv,noheader
Conforme vemos na imagem abaixo:
A simples adição do parametro -i [nro], permite selecionar qual o device que quer ler a informação.
nvidia-smi -i 0 --query-gpu=gpu_name, vbios_version --format=csv,noheader
Conforme figura abaixo:
Mais informações podem ser vistas no link abaixo:
https://developer.download.nvidia.com/compute/DCGM/docs/nvidia-smi-367.38.pdf
A mudança mais recente na versão 2.3.9 do projeto relógio, esta em ler as informações das placas NVIDIA.
Permitindo a integração além dos modelos da placa de vídeo, como também a temperatura de ambas.
Outro recurso, bem interessante na nova versão é a possibilidade de monitoramento de temperatura, através de gráfico.
Falaremos neste artigo, como obter a temperatura da placa de Vídeo (GPU) NVIDIA.
Abordaremos o procedimento mais simples de integração, e leitura das informações da placa de vídeo, integrando com Lazarus.
A placa de vídeo, hoje é requisito obrigatório para qualquer computador realmente robusto.
Placas de vídeo com grande capacidade, por vezes precisam ser monitoradas para evitar super aquecimento .
Atualmente projetos de CASEMOD não seriam realmente case mode, se não lerem estas informações.
Pensando nisso a NVIDIA, lançou um conjunto de ferramentas que auxiliam o desenvolvedor na obtenção de forma fácil e assertiva, na leitura das informações da GPU.
O NVIDIA System Management Interface é um utilitário, baseado no NVML (NVIDIA MANAGEMENT Library) que gerencia e monitora dispositivos NVIDIA.
Este utilitário tambem administra por pesquisas por estado de dispositivo GPU , atribuindo privilegios , permitindo administradores modificares o estado da GPU.
NVIDIA-smi é embarcado com o driver para linux do NVIDIA GPU , e windows 64bits (WIN7/2008).
O NVIDIA-smi pode fornecer informações em formato XML ou em arquivo texto simples.
Para maiores informações consulte a documentação:
O fragmento acima é uma tradução livre do site:
https://developer.nvidia.com/nvidia-system-management-interface
O Componente TProcess , permite a integração de comandos através da console.
Segue o fragmento de código para analise.
function GetGPUTemperature: string;
var
cmd : TProcess;
AStringList: TStringList;
begin
cmd := TProcess.Create(nil);
// Cria o objeto TStringList.
AStringList := TStringList.Create;
cmd.CommandLine:='nvidia-smi -i 0 --format=csv,noheader --query-gpu=temperature.gpu';
cmd.Options := cmd.Options + [poWaitOnExit, poUsePipes];
cmd.Execute;
AStringList.LoadFromStream(cmd.Output);
result := trim(AStringList.Text);
AStringList.Free;
cmd.Free;
end;
Documentação da API
https://docs.nvidia.com/deploy/nvml-api/index.html
Documentação nvidia-smi
http://developer.download.nvidia.com/compute/DCGM/docs/nvidia-smi-367.38.pdf
Download do CUDA Toolkit 3.2
https://developer.nvidia.com/cuda-toolkit-32-downloads
Caminho no pc após instalação:
C:\Program Files\NVIDIA Corporation\NVSMI