隨著 Intel Thunderbolt 3?在筆記本電腦中的引入，您現在可以使用外部 GPU （ e GPU ）外殼來使用專用的 GPU 來進行游戲、制作和數據科學。霹靂 3e GPU 設置包括
- 離散的
- 用來安置它的圍欄
- 電源
- 與筆記本電腦的 Thunderbolt 3 連接
大多數外殼都提供了所有這些，所以您只需要使用一臺帶有 Thunderbolt 3 的筆記本電腦。
因為我很看重輕薄筆記本的便攜性，但希望用一臺 GPU 的原始馬力來完成嚴肅的工作， e GPUs 讓我可以兩全其美。通過一根 Thunderbolt 3 電纜，我可以將我的筆記本電腦連接到一個強大的專用 GPU 、多個顯示器和外圍設備。
選擇硬件
e GPU 解決方案的性能在很大程度上取決于 GPU 的性能、 CPU 的性能以及兩者之間的連接帶寬。
確保您的筆記本電腦支持 Thunderbolt 3
Thunderbolt 3 是一個通過 USB-C 工作的硬件接口，在主機 CPU 和 GPUs 等設備之間支持多達四個 PCI Express （ PCIe ）通道，這為您提供了理論上的最大值：
4 x 8Gbps (the bandwidth of a single PCIe Gen3 lane) = 32 Gbps
筆記本電腦制造商可以設計少于四個通道的筆記本電腦，因此您應該咨詢筆記本電腦制造商，以了解在您的機器上使用 Thunderbolt 3 有多少個 PCIe 通道可用。 e GPU . io 上的人維護著一個 e GPU 應用的最佳筆記本電腦 的列表。
Windows 和 Linux 支持 e GPUs 。這篇文章關注的是 ubuntulinux 上的 e GPUs 。我使用的筆記本電腦是運行 ubuntu20 . 04lts 的聯想 thinkpadx1yoga （第四代），但是這篇文章已經在 ubuntu18 . 04lts 上測試過了。
選擇存儲模塊
雖然存儲模塊在功能、大小、供電和成本方面各不相同，但 e GPU . io 的工作人員也會對 霹靂 3 外殼列表 進行維護，并對其功能進行簡要描述，以幫助您做出決定。我的選擇是十四行詩 eGFX 分離盒（ 350W ）。
選擇 GPU
您對 GPU 的選擇取決于您的用例和對外殼的選擇。一些考慮因素包括功耗、卡大小、 GPU 內存和時鐘速度。我選擇的 GPU 是 RTX 2080 Super 。
設置 Ubuntu 以使用 NVIDIA e GPU
本文假設您將使用 Ubuntu18 . 04LTS / 20 . 04LTS 。
安裝 CUDA 和 NVIDIA 驅動程序
在 e GPU 連接的情況下安裝 Ubuntu 并重新啟動。
將系統更新到最新內核：
$ sudo apt-get update $ sudo apt-get dist-upgrade
確保系統檢測到 NVIDIA GPU 并且加載了合適的驅動程序：
$ lspci | grep -i “nvidia” $ lsmod | grep -i “nvidia”
現有的驅動程序很可能是 Nouveau ， NVIDIA GPUs 的開源驅動程序。因為 Nouveau 不支持 e GPU 設置，所以應該安裝 NVIDIA CUDA 和 NVIDIA 驅動程序。您還必須停止內核加載 Nouveau 。
為您的發行版獲取 NVIDIA CUDA 工具箱 的最新版本。對于 Ubuntu 20 . 04 ，可以從標準存儲庫獲取此工具箱：
$ sudo apt-get install nvidia-cuda-toolkit
將 Xorg 卸載到 e GPU
在安裝了 NVIDIA 專有驅動程序之后，通過在/ etc / gdm3 中注釋出# WaylandEnable = false ，確保 Ubuntu 18 . 04 / 20 . 04 的 gdm3 （圖形登錄管理器）沒有使用 Wayland /自定義. conf :
# GDM configuration storage # # See /usr/share/gdm/gdm.schemas for a list of available options. [daemon] # Uncomment the line below to force the login screen to use Xorg WaylandEnable=false
然后，將 3 附加到/ etc / DEFAULT / GRUB 中的 GRUB _ CMDLINE _ LINUX _ DEFAULT 后面，引導到運行級別 3 ：
#If you change this file, run 'update-grub' afterwards to update # /boot/grub/grub.cfg. # For full documentation of the options in this file, see: # info -f grub -n 'Simple configuration' GRUB_DEFAULT=0 GRUB_TIMEOUT_STYLE=hidden GRUB_TIMEOUT=0 GRUB_DISTRIBUTOR=`lsb_release -i -s 2> /dev/null || echo Debian` GRUB_CMDLINE_LINUX_DEFAULT="quiet splash" GRUB_CMDLINE_LINUX=""
最后，更新 grub 并重新啟動：
$ sudo update-grub $ sudo shutdown --reboot
重新啟動到運行級別 3 并檢查 NVIDIA 專有驅動程序是否已加載：
$ nvidia-smi
編輯/ usr / share / X11 / xorg . conf 公司. d / 10- NVIDIA . conf 在 OutputClass 中添加一個附加選項，以允許 NVIDIA X 驅動程序加速 X ，而不是由集成的 GPU 驅動：
Section "OutputClass" Identifier "nvidia" MatchDriver "nvidia-drm" Driver "nvidia" Option "AllowExternalGpus" "True" Option "AllowEmptyInitialConfiguration" ModulePath "/usr/lib/x86_64-linux-gnu/nvidia/xorg" EndSection
將/ etc / default / grub 還原為默認值，方法是從 grub _ CMDLINE _ LINUX _ default 中刪除“ 3 ”，然后更新 grub ：
$ sudo update-grub
通過查看$ NVIDIA -smi 的輸出，重新啟動并檢查以確保您的 X 會話被 NVIDIA NVIDIA 加速。
$ nvidia-smi output
結果應該顯示至少一個 GPU 的利用率，即 e GPU 存儲模塊中的一個。可能會顯示其他 GPUs ，這取決于您的系統有多少 NVIDIA GPUs 。如果您看到進程 /usr/lib/xorg/Xorg ，這意味著您的 X 會話正在被 NVIDIA GPU 加速。
使用 NGC 容器
容器提供了一種設置開發環境的簡單方法。 NGC 上的容器注冊表跨越人工智能、數據科學和 HPC ，擁有廣泛的 GPU 加速軟件 NVIDIA GPUs 。 NGC 托管了頂級人工智能和數據科學軟件的容器，這些軟件由 NVIDIA 進行了調優、測試和優化，同時還為 HPC 應用和數據分析提供了經過充分測試的容器
現在您已經安裝了 NGC 驅動程序，您可以安裝 NVIDIA – 玩偶 并從 NGC 下拉 NGC NGC – 優化容器來執行各種任務：
- CUDA 用于 GP GPU
- ISAAC 是的。 用于機器人仿真
- NeMo for conversational AI
- 深水流 用于智能視頻分析
- 帕拉布里茨 用于 DNA 測序
- 以及人工智能、數據科學和高性能計算機領域的更多容器
有關如何使用 NGC 容器的更多信息，請參閱 NGC 入門指南 。
下面是一個使用 NGC 圖像運行 深水流 的示例：
dsingal@dsingalX1NV:~$ sudo docker pull nvcr.io/nvidia/deepstream:5.0-20.07-triton dsingal@dsingalX1NV:~$ xhost + dsingal@dsingalX1NV:~$ docker run --gpus all -it --rm -v /tmp/.X11-unix:/tmp/.X11-unix -e DISPLAY=$DISPLAY -w /opt/nvidia/deepstream/deepstream-5.0 nvcr.io/nvidia/deepstream:5.0-dp-20.04-triton root@dsingalX1NV:/opt/nvidia/deepstream/deepstream-5.0# deepstream-app -c ./samples/configs/deepstream-app/source4_1080p_dec_infer-resnet_tracker_sgie_tiled_display_int8.txt
結論
現在您已經設置了 e GPU ，您可以通過執行類似于 使用 NVIDIA Riva 加速文本到語音轉換 、 用 NVIDIA Merlin 構建深度推薦系統 、 使用 NVIDIA DeepStream 構建 IVA 應用程序 等操作來利用可用的大規模并行計算。
請務必加入 NVIDIA 開發人員計劃 以獲得教程、培訓和開發人員技術活動的訪問權限，并使用最新的 NVIDIA SDK 和工具加速您的應用程序。
