0.环境准备

• 显卡：3090 * （1-4）
• ubunt20.04

0.1 配置支持nvidia的docker环境

• 安装nvidia-docker2 想要在容器使用nvidia-smi，需要安装nvidia-docker2 sudo apt-get install -y nvidia-docker2
• 测试安装 docker run --runtime=nvidia --rm nvidia/cuda:9.0-base nvidia-smi

0.2 docker运行容器时，指定nvidia：

docker run -ITd 
   --runtime=nvidia --gpus=all 
   -e NVIDIA_DRIVER_CAPABILITIES=compute,utility,video,graphics 
   image_name

1. 拉取代cuda的镜像

因为随便从dockerhub拉一个带cuda的镜像都可以，我拉的是ubuntu：20.04,cuda11.1的版本。对docker不熟悉的可以参考docker快速入门，其中记录了常用的命令。

docker pull alexartemis/cuda11.1-cudnn8-ubuntu20.0

• docker运行容器时，指定nvidia：

docker run -itd 
   --runtime=nvidia --gpus=all 
   -e NVIDIA_DRIVER_CAPABILITIES=compute,utility,video,graphics 
   image_name

登录自己的容器，最好是root权限安装编译。如果使用root用户安装，下面的命令去掉sudo 即可。

sudo apt-get  install build-essential

1.1 设置好cuda环境

export PATH=$PATH:/usr/local/cuda/bin
export LD_LIbrARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64

输入nvcc --version可以查看cuda版本，nvidia-smi查看显卡信息。

2. 安装Inter编译器

由于Intel不再更新parallel studio xe，可以用OneAPI代替，网上的好多教程都是用的parallel studio xe,还需要激活码，可以使用OneAPI(免费)下的MPI编译vasp。

2.1 安装oneAPI套件

oneAPI Base Toolkit

oneAPI HPC Toolkit

• 我下载的是离线版本，可以命令行安装也可以界面安装，我使用的是默认路径/opt/intel/oneapi/。

  

## 安装oneAPI Base Toolki
wget https://registrationcenter-download.intel.COM/akdlm/irc_nas/18236/l_BaseKit_p_2021.4.0.3422.s
sudo bash l_BaseKit_p_2021.4.0.3422.s

## 安装oneAPI HPC Toolkit
wget https://registrationcenter-download.intel.com/akdlm/irc_nas/18211/l_HPCKit_p_2021.4.0.3347.sh

sudo bash l_HPCKit_p_2021.4.0.3347.s

• 我这里安装intel全家桶。其实： oneAPI Base Toolki只需要安装MKL库，（即Math Kernel library）。 oneAPI HPC Toolkit只需要安装 MPI库、c/c+编译器、Fortan编译器三部分即可。

2.2 添加环境变量

把intel的MPI替换系统可能装好的oPEnMPI，运行该目录下的setVARs.sh文件

# 编辑 ~/.bashrc或在/etc/PRofile中添加以下命令
source /opt/intel/oneapi/setvars.sh intel64

2.3 编译fftw

cd /opt/intel/oneapi/mkl/2021.2.0/interfaces/fftw3xf/
make libintel64			#没有权限的可將/opt/intel/oneapi修改user

• 查看是否安装成功

$ ifort --version
# 或者
$ fpp -V

3. 安裝VASP6.1

tar xvf vasp.6.1.0.tar.gz # 解压vasp安装包
cd vasp.6.1.0
cp Arch/makefile.include.linux_intel makefile.include
#修改文件makefile.include（注意看下面的注意事项，很关键）
make all

3.1 修改文件makefile.include的注意事项

3.1.1 主要修改的地方

# 加入MKLROOT路径
MKLROOT    = /opt/intel/oneapi/mkl/2021.4.0
# 修改BLAS 和 LAPACK，默认为空
BLAS       = -L$(MKL_PATH) -lmkl_intel_lp64 -lmkl_sequential -lmkl_core -lpthread
LAPACK     = -L$(MKL_PATH) -lmkl_intel_lp64 -lmkl_sequential -lmkl_core -lpthread

# gpu设置部分， nvcc后的-allow-unsupported-compiler可以不用加
CUDA_ROOT  ?= /usr/local/cuda/
NVCC       := $(CUDA_ROOT)/bin/nvcc -ccbin=icc -allow-unsupported-compiler
CUDA_LIB   := -L$(CUDA_ROOT)/lib64 -lnvToolsExt -lcudart -lcuda -lcufft -lcublas

GENCODE_ARCH    := -gencode=arch=compute_60,code="sm_60,compute_60" 
                   -gencode=arch=compute_70,code="sm_70,compute_70" 
                   -gencode=arch=compute_72,code="sm_72,compute_72" 
                   -gencode=arch=compute_80,code="sm_80,compute_80"

I_MPI_ROOT = /opt/intel/oneapi/mpi/2021.4.0
MPI_INC    = $(I_MPI_ROOT)/include
## 

3.1.2我的makefile.include 配置文件

# Precompiler options
CPP_OPTIONS= -DHOST="LinuxIfc"
             -DMPI -DMPI_BLOCK=8000 -Duse_collective 
             -DscaLAPACK 
             -DCACHE_SIZE=4000 
             -Davoidalloc 
             -Dvasp6 
             -Duse_bse_te 
             -Dtbdyn 
             -DFock_dblbuf

CPP        = fpp -f_com=no -free -w0  $*$(FUFFIX) $*$(SUFFIX) $(CPP_OPTIONS)

FC         = mpiifort
FCL        = mpiifort -mkl=sequential

FREE       = -free -names lowercase

FFLAGS     = -assume byterecl -w -xHOST
OFLAG      = -O2
OFLAG_IN   = $(OFLAG)
DEBUG      = -O0

MKLROOT    = /opt/intel/oneapi/mkl/2021.4.0
MKL_PATH   = $(MKLROOT)/lib/intel64
BLAS       = -L$(MKL_PATH) -lmkl_intel_lp64 -lmkl_sequential -lmkl_core -lpthread
LAPACK     = -L$(MKL_PATH) -lmkl_intel_lp64 -lmkl_sequential -lmkl_core -lpthread
BLACS      = -lmkl_blacs_intelmpi_lp64
SCALAPACK  = $(MKL_PATH)/libmkl_scalapack_lp64.a $(BLACS)

OBJECTS    = fftmpiw.o fftmpi_map.o fft3dlib.o fftw3d.o

INCS       =-i$(MKLROOT)/include/fftw

LLIBS      = $(SCALAPACK) $(LAPACK) $(BLAS)


OBJECTS_O1 += fftw3d.o fftmpi.o fftmpiw.o
OBJECTS_O2 += fft3dlib.o

# For what used to be vasp.5.lib
CPP_LIB    = $(CPP)
FC_LIB     = $(FC)
CC_LIB     = icc
CFLAGS_LIB = -O
FFLAGS_LIB = -O1
FREE_LIB   = $(FREE)

OBJECTS_LIB= linpack_double.o getshmem.o

# For the parser library
CXX_PARS   = icpc
LLIBS      += -lstdc++

# Normally no need to change this
SRCDIR     = ../../src
BINDIR     = ../../bin

#================================================
# GPU Stuff

CPP_GPU    = -DCUDA_GPU -DRPromU_CPROJ_OVERLAP -DUSE_PINNED_MEMORY -DCUFFT_MIN=28 -UscaLAPACK -Ufock_dblbuf

OBJECTS_GPU= fftmpiw.o fftmpi_map.o fft3dlib.o fftw3d_gpu.o fftmpiw_gpu.o

CC         = icc
CXX        = icpc
CFLAGS     = -fPIC -DADD_ -Wall -qopenmp -DMAGMA_WITH_MKL -DMAGMA_SETAFFINITY -DGPUSHMEM=300 -DHAVE_CUBLAS

CUDA_ROOT  ?= /usr/local/cuda/
NVCC       := $(CUDA_ROOT)/bin/nvcc -ccbin=icc -allow-unsupported-compiler
CUDA_LIB   := -L$(CUDA_ROOT)/lib64 -lnvToolsExt -lcudart -lcuda -lcufft -lcublas

GENCODE_ARCH    := -gencode=arch=compute_60,code="sm_60,compute_60" 
                   -gencode=arch=compute_70,code="sm_70,compute_70" 
                   -gencode=arch=compute_72,code="sm_72,compute_72" 
                   -gencode=arch=compute_80,code="sm_80,compute_80"

I_MPI_ROOT = /opt/intel/oneapi/mpi/2021.4.0
MPI_INC    = $(I_MPI_ROOT)/include/

3.1.3 可能遇到的错误

如果出现error: #error directive: -- unsupported ICC configuration! Only ICC 15.0, ICC 16.0, ICC 17.0错误，如图所示，需要在NVCC后加入-allow-unsupported-compiler参数—>（不知道会不会影响计算结果，懂得滴滴我）

编译成功后，会在bin目录下产生5个可执行文件

4. 测试VASP

将编译好的文件目录添加到~/.bashrc.

export PATH=$PATH:/root/data/vasp/vasp.6.1.0/bin

然后 source ~/.bashrc。

准备好输入文件，运行mpirun -n 4 vasp_gpu, 这个4是显卡的数量。 然后就可以看到计算速度刷刷的。。。cpu计算真的太慢了。

5. 参考链接

• 主要的 VASP 6.1.0 + VTST + intel新OneAPI 安装编译 VASP下的GPU並行編譯安裝 VASP GPU版本安装

• 次要的 Nvidia官网教程 第一次GPU加速的VASP计算 新手linux安装vasp_GPU版本的vasp5.4.4或者vasp6.1.0安装