GitHub - chethankeshava/GPU-Architecture-and-Deep-Learning-Research

Branches Tags

Name		Name	Last commit message	Last commit date
Latest commit History 8 Commits
data		data
CN.cu		CN.cu
CN_cuda.cu		CN_cuda.cu
Caffe Documentation for CifarNet.docx		Caffe Documentation for CifarNet.docx
README		README
build.sh		build.sh
config_fermi_islip.icnt		config_fermi_islip.icnt
gpgpusim.config		gpgpusim.config
gpuwattch_gtx480.xml		gpuwattch_gtx480.xml

Repository files navigation

###############################################################
README to run application with gpgpu-sim
###############################################################

##############################################################
Installation
##############################################################

1. Install CUDA 4.2  ( https://developer.nvidia.com/cuda-toolkit-42-archive)
2. Install CUDA ToolKit (https://developer.nvidia.com/cuda-toolkit-42-archive)
3. Install gpgpu-sim   (https://github.com/gpgpu-sim/gpgpu-sim_distribution)

#############################################################
Setting up paths 
############################################################

1. Go to the directory where gpgpu-sim is downloaded
2. Run the following commands , but make sure the paths are relevant to the system
 
export CUDA_INSTALL_PATH=/usr/local/cuda
export PATH=/usr/local/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib:$LD_LIBRARY_PATH

3.Run source setup_environment

#############################################################
Build
#############################################################
sh build.sh


############################################################
Run
############################################################
./CN 1   (1 is the number of image to be tested )

###########################################################