CUDA Hook 项目教程

1. 项目介绍

CUDA Hook 是一个开源项目，旨在通过自动化代码生成工具来钩取与 CUDA 相关的动态库。该项目基于 CUDA 原生头文件，自动生成钩取 CUDA API 的代码，具有极高的实用性和可扩展性。目前，该项目已经完成了对 CUDA 驱动、NVML、CUDA 运行时、cuDNN、cuBLAS、cuBLASLt、cuFFT、NVTX、NVRTC、cuRAND、cuSPARSE、cuSOLVER、NVJPEG 和 NVBLAS 等动态库的钩取，并且可以轻松扩展到其他 CUDA 动态库的钩取。

2. 项目快速启动

2.1 环境准备

• 操作系统: Linux
• CMake 版本: >= 3.12
• GCC 版本: >= 4.8
• CUDA 版本: 11.4 (最佳)
• CUDA 驱动版本: 470.129.06 (最佳)
• cuDNN 版本: 7.6.5 (最佳)

2.2 克隆项目

git clone https://github.com/Bruce-Lee-LY/cuda_hook.git
cd cuda_hook

2.3 构建项目

根据不同的 GPU 型号，选择相应的构建命令：

GTX 1080 Ti

./build.sh -a 61 -t Release -s ON -b OFF
./build.sh -a 61 -t Debug -s OFF -b ON

Tesla V100

./build.sh -a 70 -t Release -s ON -b OFF
./build.sh -a 70 -t Debug -s OFF -b ON

RTX 2080 Ti

./build.sh -a 75 -t Release -s ON -b OFF
./build.sh -a 75 -t Debug -s OFF -b ON

NVIDIA A100

./build.sh -a 80 -t Release -s ON -b OFF
./build.sh -a 80 -t Debug -s OFF -b ON

RTX 3080 Ti / RTX 3090 / RTX A6000

./build.sh -a 86 -t Release -s ON -b OFF
./build.sh -a 86 -t Debug -s OFF -b ON

2.4 运行示例

./run_sample.sh

3. 应用案例和最佳实践

3.1 应用案例

CUDA Hook 可以用于以下场景：

• 性能分析: 通过钩取 CUDA API，可以实时监控和分析 CUDA 程序的性能瓶颈。
• 调试: 在 CUDA 程序中插入自定义逻辑，帮助调试和定位问题。
• 动态库替换: 通过钩取 CUDA 动态库，可以实现动态库的替换和扩展。

3.2 最佳实践

• 自动化代码生成: 使用 tools/code_generate 目录下的工具，自动生成钩取 CUDA API 的代码。
• 扩展支持: 根据项目需求，扩展对其他 CUDA 动态库的钩取支持。

4. 典型生态项目

• NVIDIA CUDA Toolkit: 提供 CUDA 编程的核心库和工具。
• cuDNN: 深度学习库，提供高性能的神经网络操作。
• cuBLAS: 线性代数库，提供高性能的矩阵和向量操作。
• cuFFT: 快速傅里叶变换库，提供高性能的 FFT 操作。
• NVTX: NVIDIA Tools Extension，用于性能分析和调试。

通过 CUDA Hook，可以更好地集成和扩展这些生态项目，提升 CUDA 程序的开发和调试效率。