-arch sm_20是用来指定编译器使用Fermi架构产生device代码,跟编译器有关,改用sm_60后编译通过,请问怎么更改为sm_60
时间: 2024-02-16 20:02:45 浏览: 16
要将编译器选项修改为使用sm_60架构,您可以在nvcc命令中添加"-arch=sm_60"选项。具体来说,您可以在编译CUDA程序时使用以下命令:
```
nvcc -arch=sm_60 your_cuda_code.cu -o your_executable
```
这将使用sm_60架构编译您的CUDA代码,并将生成的可执行文件命名为"your_executable"。请注意,如果您的CUDA版本不支持sm_60架构,则需要升级到支持该架构的版本。
相关问题
/usr/local/cuda-10.0/bin/nvcc -ccbin g++ -I../../common/inc -m64 -gencode arch=compute_30,code=sm_30 -gencode arch=compute_35,code=sm_35 -gencode arch=compute_37,code=sm_37 -gencode arch=compute_50,code=sm_50 -gencode arch=compute_52,code=sm_52 -gencode arch=compute_60,code=sm_60 -gencode arch=compute_61,code=sm_61 -gencode arch=compute_70,code=sm_70 -gencode arch=compute_75,code=sm_75 -gencode arch=compute_75,code=compute_75 -o deviceQuery.o -c deviceQuery.cpp /usr/local/cuda-10.0/bin/nvcc -ccbin g++ -m64 -gencode arch=compute_30,code=sm_30 -gencode arch=compute_35,code=sm_35 -gencode arch=compute_37,code=sm_37 -gencode arch=compute_50,code=sm_50 -gencode arch=compute_52,code=sm_52 -gencode arch=compute_60,code=sm_60 -gencode arch=compute_61,code=sm_61 -gencode arch=compute_70,code=sm_70 -gencode arch=compute_75,code=sm_75 -gencode arch=compute_75,code=compute_75 -o deviceQuery deviceQuery.o mkdir -p ../../bin/x86_64/linux/release cp deviceQuery ../../bin/x86_64/linux/release
这是一个编译 CUDA 程序的命令,其中使用了 nvcc 编译器和 g++ 编译器。该命令编译了名为 deviceQuery.cpp 的源文件,并将其链接成名为 deviceQuery 的可执行文件。编译器还使用了多个不同的 compute capability,以便程序可以在不同的 NVIDIA GPU 上运行。最后,编译器将可执行文件复制到 ../../bin/x86_64/linux/release 目录下。
python中sm.stats.diagnostic.het_arch和arch_lm_test的区别是什么
`sm.stats.diagnostic.het_arch` 和 `arch_lm_test` 都是用于检验时间序列数据是否存在 ARCH 效应的 Python 函数,但它们的计算方法和使用方式有所不同。
`sm.stats.diagnostic.het_arch` 函数是 `statsmodels` 库中的一个函数,它使用了 Ljung-Box Q 统计量来检验数据是否存在 ARCH 效应。具体来说,它计算了 Q 统计量,并将其与卡方分布进行比较,以确定 p-value 并判断数据是否存在 ARCH 效应。此函数的参数包括数据序列、滞后数(显式指定或自动选择)以及自动滞后选择方法等。
`arch_lm_test` 函数是 `arch` 库(即 "Autoregressive Conditional Heteroskedasticity" 的缩写)中的一个函数,它使用了 Lagrange Multiplier 检验来检验数据是否存在 ARCH 效应。具体来说,它使用 OLS 回归模型来拟合数据,并检验残差序列是否存在 ARCH 效应。此函数的参数包括数据序列、滞后数、回归模型等。
总的来说,这两个函数都可以用于检验数据是否存在 ARCH 效应,但具体的计算方法和使用方式有所不同。根据具体的需求和数据特征,可以选择适合的函数来进行检验。