1. 常用2U 服務器配備有8張nvidia tesla V100 GPU卡，性能測試結果說明：
如果你具有一臺服務器，並且購買了超強計算能力的GPU卡，那麼恭喜你，可以進行一次關於計算機超萬億次計算能力的體驗。
接下來是您要做的：
1. 裝驅動
首先在nvidia官網下載並且安裝該卡該型號的驅動。
2. 繼續安裝CUDA包。
我們來說說CUDA包是幹嘛的，首先大家都知道，驅動，就是對應硬件設備的使能軟件，那麼爲什麼又需要cuda這個東西呢。
因爲我們要使用GPU的話，是爲了把應用程序跑到GPU上面，那麼，就只能通過nvidia他自己提供的API，以及lib庫，來使用它的GPU。
可以看到下面這張圖，從下至上，從屋裏設備到應用加速，其中涉及的很多中間件。
CUDA包中，包含了對應的驅動，如果會使用到CUDA的話，可以只下載對應OS版本的CUDA包也沒有問題。但是請注意，如果使用的爲V100的卡，請使用最新的cuda9.0的包。
3. 相關信息查看。
安裝完成之後，
使用 nvidia-,按tab，來查看nvidia相關的一些相關命令，
nvidia-smi： 而其中最常用的就是nvidia-smi 這個命令，可以查看一下幫助文檔。這個命令會打印每張卡的溫度，內存利用，GPU利用率，功耗，執行的任務，等等。
note：如果您沒有發現該命令， 請確認，是否使用了yum localinstall *.rpm 進行了本地安裝，提示安裝完成了，但在此之後，並沒有把很多相關依賴的包進行安裝，進入
/etc/yum.repos.d/ 目錄，此時，多了一個yum源的配置文件，叫cudaxxx,查看內容，會發現，它指向了/var/路徑，進入到此路徑之後，發現會有一大批的包沒有安裝，
此時，把所有的包都進行安裝，纔是安裝完成。
4.測試
要進行測試的話，其實很簡單，cuda它本身提供了很多的sample程序，並且其中的一個cublas，也是用來進行測試GPU計算能力的程序。
當然，你也可以對這些程序進行參考，寫自己的程序。
下面我們來跑一個例子，進入到目錄：/usr/local/cuda-9.0/samples/5_simulations/
可以看到，其中有一個nbody程序的文件夾，
這個程序，是對物理學中N個質子，說白了就是N個物體，進行互相之間的萬有引力計算，會涉及很對大量的單雙精度浮點的計算，該程序就是實現了這個計算過程，並且調用了GPU，還可以讓用戶通過命令行參數，來控制程序執行的過程。
cd ./nbody 進入到該文件夾。
make
執行：./nbody -benchmark
。此時可以看到程序執行了，並且會打印出來一些可選的參數，如果要使用8個卡均執行的話，那就在Linux上面執行8個進程，每個進程分別綁定到單卡即可。
具體值如下：
| 9958.723 |
| 9942.739 |
| 9919.522 |
| 9852.494 |
| 9757.071 |
| 9717.97 |
| 9670.115 |
| 9592.821 |
根據官方提供的10.6TFLOPS的理論性能值，以及官網描述的能夠達到80%的實際測量值即可，可知，這些測量數據，是性能幾乎接近了理論值，達到了94%的性能。
接下來會寫一篇關於GPU 卡直通的博客，歡迎繼續關注。
今天在裝了一個boost等一堆rpm包之後，
gpu的性能已經跑到了標準值。
結果如下：
= 10426.414 single-precision GFLOP/s at 20 flops per interaction
= 10417.990 single-precision GFLOP/s at 20 flops per interaction
= 10424.031 single-precision GFLOP/s at 20 flops per interaction
= 10413.620 single-precision GFLOP/s at 20 flops per interaction
= 10415.790 single-precision GFLOP/s at 20 flops per interaction
= 10408.605 single-precision GFLOP/s at 20 flops per interaction
= 10400.214 single-precision GFLOP/s at 20 flops per interaction
= 10392.723 single-precision GFLOP/s at 20 flops per interaction