1. NVIDIA HPC SDK 簡介

NVIDIA HPC SDK(NVIDIA High Performance Compute Software Development Kit)是一個適用于高性能計算的全面的編譯器，庫和工具套件，NVIDIA HPC SDK包括經過驗證的編譯器，庫和軟體工具，這些工具對于最大化開發人員的作業效率以及HPC應用程式的性能和可移植性至關重要，

NVIDIA HPC SDK 包括有以下的一些編譯器和內容，C，C ++和Fortran編譯器通過標準C ++和Fortran，OpenACC指令和CUDA支持GPU加速HPC建模和仿真應用程式， GPU加速的數學庫最大程度地提高了通用HPC演算法的性能，優化的通信庫可實作基于標準的多GPU和可擴展的系統編程， 性能分析和除錯工具簡化了HPC應用程式的移植和優化，而容器化工具可以在本地或云中輕松部署， 通過支持NVIDIA GPU和運行Linux的Arm，OpenPOWER或x86-64 CPU，HPC SDK提供了構建NVIDIA GPU加速的HPC應用程式所需的工具，

2. 安裝

按照官網上的說明，可以直接下載它的tar包進行安裝或者是rpm、deb包進行安裝，筆者這里的作業系統是Ubuntu20.04，已經安裝成功CUDA-10.1庫，所以筆者下載了deb包進行安裝，包含有兩個版本的，

wget https://developer.download.nvidia.com/hpc-sdk/20.9/nvhpc-20-9_20.9_amd64.deb \
https://developer.download.nvidia.com/hpc-sdk/20.9/nvhpc-2020_20.9_amd64.deb \
https://developer.download.nvidia.com/hpc-sdk/20.9/nvhpc-20-9-cuda-multi_20.9_amd64.deb
sudo apt-get install ./nvhpc-20-9_20.9_amd64.deb ./nvhpc-2020_20.9_amd64.deb ./nvhpc-20-9-cuda-multi_20.9_amd64.deb

安裝的工具包安裝到了/opt/nvidia/hpc_sdk檔案夾中，編輯檔案~/.bashrc

nano ~/.bashrc

然后進行環境變數設定

export NVARCH=`uname -s`_`uname -m`; 
export NVCOMPILERS=/opt/nvidia/hpc_sdk;
export PATH=$NVCOMPILERS/$NVARCH/20.9/comm_libs/mpi/bin:$PATH
export MANPATH=$MANPATH:$NVCOMPILERS/$NVARCH/20.9/comm_libs/mpi/man

使得環境變數生效

source ~/.bashrc

這樣就安裝成功了HPCSDK加速工具包，

3. OpenACC程式測驗

現在我們撰寫一個非常簡單的程式來測驗HPC SDK是否能使用，我們這里使用到了OpenACC加速庫，下面是一個C語言寫成的一個程式，檔案名為test.c

 #include <stdio.h>
 #include <stdlib.h>
 void vecaddgpu( float *restrict r, float *a, float *b, int n ){
     #pragma acc kernels loop copyin(a[0:n],b[0:n]) copyout(r[0:n])
     for( int i = 0; i < n; ++i ) r[i] = a[i] + b[i];
 }

 int main( int argc, char* argv[] ){
     int n; /* vector length */
     float * a; /* input vector 1 */
     float * b; /* input vector 2 */
     float * r; /* output vector */
     float * e; /* expected output values */
     int i, errs;
     if( argc > 1 ) n = atoi( argv[1] );
     else n = 100000; /* default vector length */
     if( n <= 0 ) n = 100000;
     a = (float*)malloc( n*sizeof(float) );
     b = (float*)malloc( n*sizeof(float) );
     r = (float*)malloc( n*sizeof(float) );
     e = (float*)malloc( n*sizeof(float) );
     for( i = 0; i < n; ++i ){
          a[i] = (float)(i+1);
          b[i] = (float)(1000*i);
     }
     /* compute on the GPU */
     vecaddgpu( r, a, b, n );
     /* compute on the host to compare */
     for( i = 0; i < n; ++i ) e[i] = a[i] + b[i];
     /* compare results */
     errs = 0;
     for( i = 0; i < n; ++i ){
         if( r[i] != e[i] ){
            ++errs;
        }
    }
    printf( "%d errors found\n", errs );
    return errs;
 } 

對上述程式進行編譯處理:

nvc -o test -acc test.c

如果顯示下列內容則安裝成功

0 errors found

fortran90程式，測驗檔案test.f90

module vecaddmod
  implicit none
 contains
  subroutine vecaddgpu( r, a, b, n )
   real, dimension(:) :: r, a, b
   integer :: n
   integer :: i
!$acc kernels loop copyin(a(1:n),b(1:n)) copyout(r(1:n))
   do i = 1, n
    r(i) = a(i) + b(i)
   enddo
  end subroutine
end module

program main
  use vecaddmod
  implicit none
  integer :: n, i, errs, argcount
  real, dimension(:), allocatable :: a, b, r, e
  character*10 :: arg1
  argcount = command_argument_count()
  n = 1000000  ! default value
  if( argcount >= 1 )then
   call get_command_argument( 1, arg1 )
   read( arg1, '(i)' ) n
   if( n <= 0 ) n = 100000
  endif
  allocate( a(n), b(n), r(n), e(n) )
  do i = 1, n
   a(i) = i
   b(i) = 1000*i
  enddo
  ! compute on the GPU
  call vecaddgpu( r, a, b, n )
  ! compute on the host to compare
  do i = 1, n
   e(i) = a(i) + b(i)
  enddo
  ! compare results
  errs = 0
  do i = 1, n
   if( r(i) /= e(i) )then
     errs = errs + 1
   endif
  enddo
  print *, errs, ' errors found'
  if( errs ) call exit(errs)
end program

編譯程式

nvfortran -o test -acc test.f90

若顯示

0  errors found

則安裝成功

參考

[1] HPC SDK 官方安裝向導
[2] OpenAcc官方參考檔案