Linux 平台 Nvidia GPU 的 OpenCL 开发环境搭建

对一个项目设计方案进行优化计算，因为严重非线性、多峰等问题，常规优化算法效果极差。
采用遗传算法来计算，效果不错，搜索到最优点的概率比较高。只是计算速度很慢，一个计算点大概要2个多小时，方案一次要算大约2千点，这哪算得过来啊？
考虑到遗传算法多个体的特点，天然适合并行计算，就找熟人申请了个服务器，40核的，确实速度有很大提高，一个计算点只要10分钟，两周时间可以算一次方案，可以接受吧。

最近，项目要求进行方案对比分析，要计算多个方案，这就麻烦了。

想到用 GPU，其计算核心多达数千个，应该更能加速计算。

我的电脑装的是 Nvidia MX450 显卡，比较低端，核心数 896，先用着进行编程调试，调通了再找高级机器。

考虑到通用性，没用 CUDA，而是用 OpenCL，记录下开发环境的搭建步骤：

一、操作系统是 Linux Mint，已经安装 Nvidia 的驱动。

Nvidia GPU 的 OpenCL 支持在 CUDA 包内，需先安装 CUDA 包。
运行 nvidia-smi，显示

可以看出，这个显卡支持 CUDA 12.4

二、在 https://developer.nvidia.com/cuda-toolkit-archive 下载 CUDA Toolkit 12.4.1；

三、直接安装 CUDA Toolkit 12.4.1 显示空间不足

机器上 /分区还有 10g 空间，怎会不足？
查了下，发现是 CUDA Toolkit 12.4.1 安装过程解压占用了 /tmp，导致剩余空间不足。
解决办法，在 /home 分区新建 /home/tmp，运行

sudo sh cuda_12.4.1_550.54.15_linux.run --tmpdir=/home/tmp/

安装成功。

四、安装 OpenCL

  sudo apt-get install ocl-icd-opencl-dev  clinfo

有帖子说还要安装 ocl-icd-libopencl1 opencl-headers nvidia-opencl-dev，在机器上发现 CUDA Toolkit 已安装了 ocl-icd-libopencl1 和 OpenCL的include、lib64，无需再安装这几个包，后续也验证了。

五、在～/.bash.rc增加

 export LD_LABRARY_PATH=$LD_LABRARY_PATH:/usr/local/cuda/lib64
 export PATH=$PATH:/usr/local/cuda/bin
 export CUDA_HOME=/usr/local/cuda

六、可以进行 OpenCL 程序的编程了，在 CMakeLists.txt 中增加

  target_link_libraries(${PROJECT_NAME} OpenCL)
  add_compile_definitions(CL_TARGET_OPENCL_VERSION=300)

用QtCreator新建了个 C 语言项目，跑了个向量相加的例子，成功。

后续要进行遗传算法程序向 GPU 的移植。