cuda編譯軟體
❶ 在vs2010上運行CUDA6.0需要什麼
要在VS2010上運行CUDA6.0，你需要以下幾個步驟:
下載並安裝CUDA Toolkit 6.0
首先，你需要從NVIDIA官網下載CUDA Toolkit 6.0，並按照提示進行安裝。在安裝過程中，請陸枯注意選擇正確的操作系統和Visual Studio版本。
2. 配置Visual Studio
在安裝完成後，你需要啟動Visual Studio，並打開項目屬性配置頁面。在這里，你需要添加CUDA相關的編譯器、鏈接器和頭文件路徑。
具體來說，在C/C++選項卡中，你需要將下列路徑添加到"附加包含目錄"中:
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv6.0include
在鏈接器選項卡中，你需要添加以下路徑到"附加庫目錄":
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv6.0libx64 (如果你的操早和洞作系統是64位的)
最後，在"預處理器定義"中，添加 "_WIN64" 和 "WIN32" 這兩個宏定義。
3. 編寫CUDA程序並運行
現在，你已經完成了配置工作，可以開始棚蠢編寫CUDA程序了。在程序中，你需要使用CUDA提供的語言擴展(如 __global__ 和 __device__)來標識出GPU可執行的函數，並使用CUDA專用的數據類型(如cudaMalloc()和cudaMemcpy())來管理GPU內存。
編寫完CUDA程序後，你可以直接在Visual Studio中編譯和運行程序。在調試過程中，你可以使用Visual Studio提供的調試工具來追蹤CUDA程序的運行狀態。
總結：
要在VS2010上運行CUDA6.0，你需要安裝CUDA Toolkit 6.0，並在Visual Studio中進行配置。之後，你可以編寫和調試CUDA程序，並使用Visual Studio提供的工具來優化程序性能和調試錯誤。
❷ 瀹為獙瀹cuda瀹夎
浠ヤ笅鏄瀹為獙瀹linux鏈嶅姟鍣╟uda瀹夎呭拰kaldi甯cuda緙栬瘧鐨勬祦紼嬶紝鍦╬cc鍜宲c涓婃祴璇曢氳繃銆
鍦╬cc涓婂疄楠屼簡cuda7鍜宑uda6.5錛岀粨鏋渒aldi錛2015騫3鏈堢増錛変技涔庝笉鍏煎筩uda7錛屽湪kaldi-trunk/src/cudamatrix涓
make test 鎬繪槸澶辮觸錛屾渶鍚庡畨瑁呯殑cuda6.5銆
鍦╬c涓婅牏妗ョ殑kaldi錛2014騫10鏈堜互鍓嶏級鍦╟uda6.5涓嬫祴璇曚笉閫氳繃錛宬aldi錛2015騫3鏈堢増錛夊彲浠ユ祴璇曢氳繃銆
鍦╬cc涓婄殑kaldi鍦╣pu 0 涓婃繪姤閿欙紝鍦╣pu 1涓婂彲浠ワ紝鏈鍚庢垜鎷瘋礉鐨勬枃楣忕殑娌℃敼榪囩殑cudamatrix/Makefile錛屽苟鎵ц宮ake -B 閲嶆柊緙栬瘧錛屽彲浠ョ敤gpu 0浜嗐
瀹夎呭墠鍑嗗 cuda_6.5.14_linux_64.run錛 鏂囦歡澶у皬928M錛岃繖鏄痯c鏈嶅姟鍣ㄤ笂淇濆瓨瀹夎呭寘鐨勪綅緗銆
928M pc-pc: /home/pc/disk2/hcq/install_cuda/cuda_6.5.14_linux_64.run
kaldi鐗堟粴宸炴湰 2015騫3鏈
ps: 鍙浠ラ氳繃榪愯 locate --regex cuda.*.run$ 鏉ユ煡鎵炬満鍣ㄤ笂鍒浜轟互鍓嶄笅鐨刢uda瀹夎呭寘銆
涓銆佸畨瑁 cuda
(1) 鍒犻櫎宸叉湁nvidia錛屾媺榛戝悕鍗
sudo apt-get remove --purge nvidia*
sudo nano /etc/modprobe.d/blacklist.conf
blacklist.conf鍔犲叆
(2) 寮濮嬪畨瑁
sudo service lightdm stop
chmod +x cuda_6.5.14_linux_64.run
sudo ./cuda_6.5.14_linux_64.run
瀹夎呬竴璺痽es鎴栭粯璁ら厤緗銆
鎴愬姛鎻愮ず錛
===========
= Summary =
===========
Driver: Installed
Toolkit: Installed in /usr/local/cuda-6.5
Samples: Installed in /home/hcq, but missing recommended libraries
Please make sure that
To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-6.5/bin
To uninstall the NVIDIA Driver, run nvidia-uninstall
Please see CUDA_Getting_Started_Guide_For_Linux.pdf in /usr/local/cuda-6.5/doc/pdf for detailed information on setting up CUDA.
(3) 閰嶇疆鐜澧冨彉閲
鎸夌収涓婂甫澶囩寷涓姝ユ垚鍔熸彁紺鴻劇疆PATH鍜孡D_LIBRARY_PATH 鐜澧冨彉閲
sudo vim /etc/profile
/etc/profile鍔犲叆
PATH= LD_LIBRARY_PATH:/usr/local/cuda-6.5/lib64
export PATH
export LD_LIBRARY_PATH
(4) 嫻嬭瘯
1. /usr/local/cuda/bin/nvcc -V
鏄劇ず鎵瀹夎卌uda鐗堟湰錛
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2014 NVIDIA Corporation
Built on Thu_Jul_17_21:41:27_CDT_2014
Cuda compilation tools, release 6.5, V6.5.12
鍙浠ョ『瀹氬畨瑁呯殑鐗堟湰涓6.5
2. cd /home/hcq/NVIDIA_CUDA-6.5_Samples/
鍙浠make 騫惰繘鍏ョ浉搴斿瓙鐩褰曡繍琛屾祴璇
渚嬪傦細 ./0_Simple/simplePrintf/simplePrintf 鎵撳嵃
GPU Device 0: "Quadro 600" with compute capability 2.1
Device 0: "Quadro 600" with Compute 2.1 capability
printf() is called. Output:
[3, 0]: Value is:10
[3, 1]: Value is:10
.....
[2, 6]: Value is:10
[2, 7]: Value is:10
浜屻乲aldi甯cuda緙栬瘧
(1) 棣栧厛榪涘叆tools鐩褰曞苟鎸夌収INSTALL鎸囩ず緙栬瘧銆傚傛灉涔嬪墠宸茬粡緙栬瘧榪囪煩榪囨ゆラわ紙tools涓嬬殑紼嬪簭娌℃湁浣跨敤cuda搴擄級銆
(2) 榪涘叆src鐩褰
1. make clean
2. ./configure
鍙浠ョ湅鍒版墦鍗頒俊鎮鐨勬渶鍚庢湁榪欎箞涓琛岋細
Using CUDA toolkit /usr/local/cuda (nvcc compiler and runtime libraries)
鍙浠ョ『瀹歬aldi灝嗚佸甫cuda瀹夎呫
3. make depend -j 24
4. make -j 24
鍦 make -j 24 榪囩▼涓濡傛灉鏈夌被浼間竴涓嬮敊璇錛
nvcc fatal : Unsupported gpu architecture 'compute_10'
鍒欒繘鍏src/cudamatrix鐩褰曪紝淇鏀筂akefile錛
鎶 CUDA_ARCH=-gencode arch=compute_10,code=sm_10 涓鐨
-gencode arch=compute_10,code=sm_10 鍘繪帀銆
閲嶆柊 make -j 24銆
(3) 濡傛灉浠ヤ笂姝ラゆ病鏈夐敊璇錛屽垯榪涘叆src/cudamatrix鐩褰曡繘琛屾祴璇
make test -j 5
鎴愬姛鐨勮瘽鎻愮ず錛
Running cu-vector-test ...... SUCCESS
Running cu-matrix-test ...... SUCCESS
Running cu-math-test ...... SUCCESS
浠ヤ笂鍙傝冭嚜
http://blog.csdn.net/abcjennifer/article/details/23016583
Ubuntu12.04閰嶇疆NVIDIA cuda5.5緇忛獙甯
鍒嗙被錛 Computer System Linux & MAC python2014-04-06 08:58 9938浜洪槄璇 璇勮(16) 鏀惰棌 涓炬姤
涔嬪墠閰嶈繃涓閬嶉兘蹇樺厜浜嗭紝鐜板湪瑕侀噸鏂伴厤涓閬嶇湡鏄濂介毦榪囥傘傘傜壒姝よ板綍鍙傝冪綉絝欎互渚挎煡闃呫
=============
鐜澧冿細Ubuntu 12.04+Cuda5.5
The setup of CUDA development tools on a system running the appropriate version of Linux consists of a few simple steps:
瑙佸畼鏂歸厤緗鎵嬪唽錛 http://docs.nvidia.com/cuda/cuda-getting-started-guide-for-linux/index.html
涓媟un濂戒簡
[plain] view plain
[plain] view plain
blacklist.conf鍔犲叆
[plain] view plain
[plain] view plain
Cuda5.5闆嗘垚浜唗oolkit錛宻dk鍜宒river, 鎵浠ュ畨瑁呯殑鏃跺欎竴璺鍚屾剰涓嬫潵灝卞ソ浜
涔熷氨鏄瘲DK瀹夎呭け璐ワ紝榪欎釜瀹樻柟鎵嬪唽涓婁篃鎻愬埌浜嗚В鍐蟲柟妗堛
[plain] view plain
鍒版牴鐩褰曚笅鐨/path/to/extract/dir/鍘繪壘cuda-samples_5.5.22_*******.run, 瀹夎
[plain] view plain
[plain] view plain
浣誇箣鐢熸晥錛
source /etc/profile錛堝瑰簲profile錛夋垨sudo ldconfig錛堝瑰簲bashrc錛
榪樻湁涓縐嶈卻dk鐨勬柟娉曡 http://askubuntu.com/questions/338907/how-to-install-cuda-5-5-under-ubuntu-12-04-lts-64-bit
deviceQuery:
姝ｆ枃鏈涓嬫柟
=============
姝ゅ栭檮涓婂叾浠栭厤緗鍙傝冿細
❸ CUDA和OpenCL有什麼區別
從很多方面來看，CUDA和OpenCL的關系都和DirectX與OpenGL的關系很相像。如同DirectX和OpenGL一樣，CUDA和OpenCL中，前者是配備完整工具包、針對單一供應商(NVIDIA)的成熟的開發平台，後者是一個開放的標准。
雖然兩者抱著相同的目標：通用並行計算。但是CUDA僅僅能夠在NVIDIA的GPU硬體上運行，而OpenCL的目標是面向任何一種Massively
Parallel Processor，期望能夠對不同種類的硬體給出一個相同的編程模型。由於這一根本區別，二者在很多方面都存在不同：
1)開發者友好程度。CUDA在這方面顯然受更多開發者青睞。原因在於其統一的開發套件(CUDA Toolkit, NVIDIA GPU
Computing SDK以及NSight等等)、非常豐富的庫(cuFFT, cuBLAS, cuSPARSE, cuRAND, NPP,
Thrust)以及NVCC(NVIDIA的CUDA編譯器)所具備的PTX(一種SSA中間表示，為不同的NVIDIA
GPU設備提供一套統一的靜態ISA)代碼生成、離線編譯等更成熟的編譯器特性。相比之下，使用OpenCL進行開發，只有AMD對OpenCL的驅動相對成熟。
2)跨平台性和通用性。這一點上OpenCL佔有很大優勢(這也是很多National
Laboratory使用OpenCL進行科學計算的最主要原因)。OpenCL支持包括ATI,NVIDIA,Intel,ARM在內的多類處理器，並能支持運行在CPU的並行代碼，同時還獨有Task-Parallel
Execution Mode，能夠更好的支持Heterogeneous
Computing。這一點是僅僅支持數據級並行並僅能在NVIDIA眾核處理器上運行的CUDA無法做到的。
3)市場佔有率。作為一個開放標准，缺少背後公司的推動，OpenCL顯然沒有占據通用並行計算的主流市場。NVIDIA則憑借CUDA在科學計算、生物、金融等領域的推廣牢牢把握著主流市場。再次想到OpenGL和DirectX的對比，不難發現公司推廣的高效和非盈利機構/標准委員會的低效(抑或謹慎，想想C++0x)。
很多開發者都認為，由於目前獨立顯卡市場的萎縮、新一代處理器架構(AMD的Graphics Core Next (GCN)、Intel的Sandy
Bridge以及Ivy
Bridge)以及新的SIMD編程模型(Intel的ISPC等)的出現，未來的通用並行計算市場會有很多不確定因素，CUDA和OpenCL都不是終點，我期待未來會有更好的並行編程模型的出現(當然也包括CUDA和OpenCL，如果它們能夠持續發展下去)。
❹ 瀹夎卌uda蹇呴』瑕佸畨瑁卾s鍚
CUDA鑷甯緙栬瘧鍣錛屽彲浠ュ崟鐙浣跨敤銆
浣嗗傛灉寮鍙戝甫鍥懼艦鐣岄潰鐨勫簲鐢錛岄偅榪樻槸鍏堝畨瑁匳S鏇翠負瀹炵敤銆
❺ 如何在kali linux中安裝英偉達內核模塊cuda和pyrit
安裝cuda以及nvidia驅動
這慶吵一步比較簡單，安裝之前，推薦大家編輯一下/etc/apt/source.list文件鎮差毀，把國外的源注釋掉換成國內科大的，下載比較快。科大源的地址如下
deb http://mirrors.ustc.e.cn/kali kali main non-free contrib
deb-src http://mirrors.ustc.e.cn/kali kali main non-free contrib
deb http://mirrors.ustc.e.cn/kali-security kali/updates main contrib non-free
設置完之後，執行以下命令安裝
apt-get update
apt-get install nvidia-detect nvidia-libopencl1 nvidia-opencl-common nvidia-support nvidia-opencl-icd nvidia-visual-profiler nvidia-glx nvidia-installer-cleanup nvidia-kernel-common nvidia-smi nvidia-alternative nvidia-opencl-dev libglx-nvidia-alternatives nvidia-kernel-dkms nvidia-cuda-toolkit nvidia-vdpau-driver nvidia-xconfig glx-alternative-nvidia libgl1-nvidia-alternatives nvidia-settings libgl1-nvidia-glx xserver-xorg-video-nvidia libcublas4 libcudart4 libcufft4 libnpp4 libnvidia-compiler libcuda1 libcuinj4 libnvidia-ml1 libxvmcnvidia1 libcusparse4 libcurand4 python-pycuda-doc python-pycuda-headers python-pycuda nvidia-cuda-doc nvidia-cuda-gdb
由於包比較多可能有點慢，安裝過程會彈出兩個窗口需要確認，直接OK就好，執行完之後toolkit和驅動都裝上了，然後把一些變數寫入系統，在/root/.bashrc最後面加上下面一段
PATH=$PATH:/usr/lib/nvidia-cuda-toolkit/bin
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/lib/nvidia-cuda-toolkit/lib:/lib
export PATH
export LD_LIBRARY_PATH
可以執行一下ldconfig馬上生效，不過反正都要重啟一次的了，重啟。
安裝pyrit-cuda
下面重新編譯個pyrit來試一試使用GPU。下載pyrit的地址是：
https://code.google.com/p/pyrit/downloads/list
我們需要下載pyrit-0.4.0.tar.gz和cpyrit-cuda-0.4.0.tar.gz，下載完之後，安裝一下編譯所需要的工具
atp-get install libpcap-dev python2.7-dev
解壓pyrit-0.4.0.tar.gz並且安裝
tar -xzvf pyrit-0.4.0.tar.gz
cd pyrit-0.4.0
python setup.py build
python setup.py install
解壓cpyrit-cuda-0.4.0.tar.gz
tar -xzvf cpyrit-cuda-0.4.0.tar.gz
cd cpyrit-cuda-0.4.0
這里需要進行一些改動，編輯setup.py,把第35行
for path in ('/usr/local/cuda', '/opt/cuda'):
改成
for path in ('/usr/local/cuda','御備/usr/lib/nvidia-cuda-toolkit','/opt/cuda'):
免得安裝程序找不到nvcc
然後就安裝
python setup.py build
python setup.py install
安裝完，運行一下
pyrit list_cores
應該能看到GPU了，類似
#1: 'CUDA-Device #1 'GeForce 8400 GS''
#2: 'CPU-Core (SSE2)'
#3: 'CPU-Core (SSE2)'
#4: 'CPU-Core (SSE2)'
#5: 'CPU-Core (SSE2)'
#6: 'CPU-Core (SSE2)'
#7: 'CPU-Core (SSE2)'
#8: 'CPU-Core (SSE2)'
安裝optimus
把源Key取回來
wget -O - http://suwako.nomanga.net/suwako.asc | apt-key add -
在/etc/apt/source.list中加入Bumblebee的源
deb http://suwako.nomanga.net/debian sid main contrib
deb-src http://suwako.nomanga.net/debian sid main
然後執行安裝
apt-get update
apt-get install bumblebee bumblebee-nvidia
安裝完畢，把root加入bemblebe組，然後重啟
adser root bumblebee
重啟完畢可以測試一下，分別運行
glxspheres
optirun glxspheres
可以看到幀數是不同的
❻ linux下CUDA程序一般怎麼編譯
有以下步驟：
1.源程序的編譯
在Linux下面,如果要編譯一個C語言源程序,我們要使用GNU的gcc編譯器. 下面
我們以一個實例來說明如何使用gcc編譯器.
假設我們有下面一個非常簡單的源程序(hello.c):
int main(int argc,char **argv)
{
printf("Hello Linux\n");
}
要編譯這個程序,我們只要在命令行下執行:
gcc -o hello hello.c
gcc 編譯器就會為我們生成一個hello的可執行文件.執行./hello就可以看到程
序的輸出結果了.命令行中 gcc表示我們是用gcc來編譯我們的源程序,-o 選項表示
我們要求編譯器給我們輸出的可執行文件名為hello 而hello.c是我們的源程序文件.
gcc編譯器有許多選項,一般來說我們只要知道其中的幾個就夠了. -o選項我們
已經知道了,表示我們要求輸出的可執行文件名. -c選項表示此慧我們只要求編譯器輸出
目標代碼,而不必要輸出可執行文件. -g選項拍扒差表示我們要求編譯器在編譯的時候提
供我們以後對程序進行調試的信息.
知道了這三個選項,我們就可以編譯我們自己所寫的簡單的源程序了,如果你
想要知道更多的選項,可以查看gcc的幫助文檔,那裡有著許多對其它選項的詳細說
明.
2.Makefile的編寫
假設我們有下面這樣的一個程序,源代碼如下襲皮:
#include "mytool1.h"
#include "mytool2.h"
int main(int argc,char **argv)
{
mytool1_print("hello");
mytool2_print("hello");
}
#ifndef _MYTOOL_1_H
#define _MYTOOL_1_H
void mytool1_print(char *print_str);
#endif
#include "mytool1.h"
void mytool1_print(char *print_str)
{
printf("This is mytool1 print %s\n",print_str);
}
#ifndef _MYTOOL_2_H
#define _MYTOOL_2_H
void mytool2_print(char *print_str);
#endif
#include "mytool2.h"
void mytool2_print(char *print_str)
{
printf("This is mytool2 print %s\n",print_str);
}
當然由於這個程序是很短的我們可以這樣來編譯
gcc -c main.c
gcc -c mytool1.c
gcc -c mytool2.c
gcc -o main main.o mytool1.o mytool2.o
這樣的話我們也可以產生main程序,而且也不時很麻煩.但是如果我們考慮一
下如果有一天我們修改了其中的一個文件(比如說mytool1.c)那麼我們難道還要重
新輸入上面的命令?也許你會說,這個很容易解決啊,我寫一個SHELL腳本,讓她幫我
去完成不就可以了.是的對於這個程序來說,是可以起到作用的.但是當我們把事情
想的更復雜一點,如果我們的程序有幾百個源程序的時候,難道也要編譯器重新一
個一個的去編譯?
為此,聰明的程序員們想出了一個很好的工具來做這件事情,這就是make.我們
只要執行以下make,就可以把上面的問題解決掉.在我們執行make之前,我們要先
編寫一個非常重要的文件.--Makefile.對於上面的那個程序來說,可能的一個
Makefile的文件是:
# 這是上面那個程序的Makefile文件
main:main.o mytool1.o mytool2.o
gcc -o main main.o mytool1.o mytool2.o
main.o:main.c mytool1.h mytool2.h
gcc -c main.c
mytool1.o:mytool1.c mytool1.h
gcc -c mytool1.c
mytool2.o:mytool2.c mytool2.h
gcc -c mytool2.c
有了這個Makefile文件,不過我們什麼時候修改了源程序當中的什麼文件,我們
只要執行make命令,我們的編譯器都只會去編譯和我們修改的文件有關的文件,其
它的文件她連理都不想去理的.
下面我們學習Makefile是如何編寫的.
在Makefile中也#開始的行都是注釋行.Makefile中最重要的是描述文件的依賴
關系的說明.一般的格式是:
target: components
TAB rule
第一行表示的是依賴關系.第二行是規則.
比如說我們上面的那個Makefile文件的第二行
main:main.o mytool1.o mytool2.o
表示我們的目標(target)main的依賴對象(components)是main.o mytool1.o
mytool2.o 當倚賴的對象在目標修改後修改的話,就要去執行規則一行所指定的命
令.就象我們的上面那個Makefile第三行所說的一樣要執行 gcc -o main main.o
mytool1.o mytool2.o 注意規則一行中的TAB表示那裡是一個TAB鍵
Makefile有三個非常有用的變數.分別是$@,$^,$<代表的意義分別是:
$@--目標文件,$^--所有的依賴文件,$<--第一個依賴文件.
如果我們使用上面三個變數,那麼我們可以簡化我們的Makefile文件為:
# 這是簡化後的Makefile
main:main.o mytool1.o mytool2.o
gcc -o $@ $^
main.o:main.c mytool1.h mytool2.h
gcc -c $<
mytool1.o:mytool1.c mytool1.h
gcc -c $<
mytool2.o:mytool2.c mytool2.h
gcc -c $<
經過簡化後我們的Makefile是簡單了一點,不過人們有時候還想簡單一點.這里
我們學習一個Makefile的預設規則
.c.o:
gcc -c $<
這個規則表示所有的 .o文件都是依賴與相應的.c文件的.例如mytool.o依賴於
mytool.c這樣Makefile還可以變為:
# 這是再一次簡化後的Makefile
main:main.o mytool1.o mytool2.o
gcc -o $@ $^
.c.o:
gcc -c $<
好了,我們的Makefile 也差不多了,如果想知道更多的關於Makefile規則可以查
看相應的文檔.
3.程序庫的鏈接
試著編譯下面這個程序
#include
int main(int argc,char **argv)
{
double value;
printf("Value:%f\n",value);
}
這個程序相當簡單,但是當我們用 gcc -o temp temp.c 編譯時會出現下面所示
的錯誤.
/tmp/cc33Ky.o: In function `main':
/tmp/cc33Ky.o(.text+0xe): undefined reference to `log'
collect2: ld returned 1 exit status
出現這個錯誤是因為編譯器找不到log的具體實現.雖然我們包括了正確的頭
文件,但是我們在編譯的時候還是要連接確定的庫.在Linux下,為了使用數學函數,我
們必須和數學庫連接,為此我們要加入 -lm 選項. gcc -o temp temp.c -lm這樣才能夠
正確的編譯.也許有人要問,前面我們用printf函數的時候怎麼沒有連接庫呢?是這樣
的,對於一些常用的函數的實現,gcc編譯器會自動去連接一些常用庫,這樣我們就沒
有必要自己去指定了. 有時候我們在編譯程序的時候還要指定庫的路徑,這個時候
我們要用到編譯器的 -L選項指定路徑.比如說我們有一個庫在 /home/hoyt/mylib下
,這樣我們編譯的時候還要加上 -L/home/hoyt/mylib.對於一些標准庫來說,我們沒
有必要指出路徑.只要它們在起預設庫的路徑下就可以了.系統的預設庫的路徑/lib
/usr/lib /usr/local/lib 在這三個路徑下面的庫,我們可以不指定路徑.
還有一個問題,有時候我們使用了某個函數,但是我們不知道庫的名字,這個時
候怎麼辦呢?很抱歉,對於這個問題我也不知道答案,我只有一個傻辦法.首先,我到
標准庫路徑下面去找看看有沒有和我用的函數相關的庫,我就這樣找到了線程
(thread)函數的庫文件(libpthread.a). 當然,如果找不到,只有一個笨方法.比如我要找
sin這個函數所在的庫. 就只好用 nm -o /lib/*.so|grep sin>~/sin 命令,然後看~/sin
文件,到那裡面去找了. 在sin文件當中,我會找到這樣的一行libm-2.1.2.so:00009fa0
W sin 這樣我就知道了sin在 libm-2.1.2.so庫裡面,我用 -lm選項就可以了(去掉前面
的lib和後面的版本標志,就剩下m了所以是 -lm).
4.程序的調試
我們編寫的程序不太可能一次性就會成功的,在我們的程序當中,會出現許許
多多我們想不到的錯誤,這個時候我們就要對我們的程序進行調試了.
最常用的調試軟體是gdb.如果你想在圖形界面下調試程序,那麼你現在可以選
擇xxgdb.記得要在編譯的時候加入 -g選項.關於gdb的使用可以看gdb的幫助文件.由
於我沒有用過這個軟體,所以我也不能夠說出如何使用. 不過我不喜歡用gdb.跟蹤
一個程序是很煩的事情,我一般用在程序當中輸出中間變數的值來調試程序的.當
然你可以選擇自己的辦法,沒有必要去學別人的.現在有了許多IDE環境,裡面已經自
己帶了調試器了.你可以選擇幾個試一試找出自己喜歡的一個用.
5.頭文件和系統求助
有時候我們只知道一個函數的大概形式,不記得確切的表達式,或者是不記得函數在那個頭文件進行了說明.這個時候我們可以求助系統，比如說我們想知道fread這個函數的確切形式,我們只要執行 man fread 系統就會輸出著函數的詳細解釋的.和這個函數所在的頭文件說明了。如果我們要write這個函數說明，當我們執行man write時，輸出的結果卻不是我們所需要的。因為我們要的是write這個函數的說明，可是出來的卻是write這個命令的說明。為了得到write的函數說明我們要用man 2 write。2表示我們用的是write這個函數是系統調用函數，還有一個我們常用的是3表示函數是c的庫函數。