ubuntu 22.04 -cuda12.8.2- holoscan-sdk-4.5-doca-ofed

1. 安装 cuda 12.8.2

1.1. 安装 build-essential

sudo apt-get update

sudo apt install -y build-essential make dkms pkg-config \
    libnl-3-dev libnl-route-3-dev libnuma-dev \
    python3-dev curl wget

先安装 build-essential 再安装 gcc-12，因为 cuda12.8.2需要gcc-12 才能安装成功。

1.2. 安装并启用 gcc-12

在 Ubuntu 22.04 中，GCC 12 已包含在官方仓库中，无需额外 PPA。以下是完整的安装与切换流程：

1. 安装 GCC 12

sudo apt update
sudo apt install -y gcc-12 g++-12

安装完成后，系统中会同时存在：

• gcc / g++ → 指向 GCC 11（默认）
• gcc-12 / g++-12 → 新安装的 GCC 12

2. 使用 update-alternatives 管理多版本（推荐）

将两个版本都注册到 alternatives 系统，然后自由切换：

# 注册 GCC 11（如果尚未注册）
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-11 110 \
                         --slave /usr/bin/g++ g++ /usr/bin/g++-11 \
                         --slave /usr/bin/gcov gcov /usr/bin/gcov-11

# 注册 GCC 12
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-12 120 \
                         --slave /usr/bin/g++ g++ /usr/bin/g++-12 \
                         --slave /usr/bin/gcov gcov /usr/bin/gcov-12

切换默认版本：

# 交互式选择
sudo update-alternatives --config gcc

# 或者直接强制指定 GCC 12
sudo update-alternatives --set gcc /usr/bin/gcc-12

3. 验证版本

gcc --version
g++ --version

应显示 gcc (Ubuntu 12.x.x ...) 12.x.x。

4. 仅对当前会话临时启用（不修改系统默认）

如果你不想改动系统默认编译器，仅在当前终端或构建任务中使用 GCC 12：

export CC=gcc-12
export CXX=g++-12

然后在同一终端中执行你的编译命令（如 make、cmake 等）。

---

补充说明： 如果你后续需要编译依赖特定 GCC 版本的内核模块或驱动（如 NVIDIA 驱动、Mellanox OFED），建议保持系统默认为 GCC 11（与内核编译器版本一致），仅在需要时通过 CC=gcc-12 临时调用 GCC 12，以避免内核模块 ABI 兼容性问题。

1.3. 将 nouveau 列入黑名单

需要手动禁用 Nouveau，且应在运行 runfile 之前完成。 这是 NVIDIA 官方文档明确要求的步骤，不要依赖安装程序自动处理。

Nouveau 是开源的 NVIDIA 驱动，会与 runfile 中捆绑的 570.211.01 官方驱动冲突。官方 CUDA Quick Start Guide 在所有版本的 runfile 安装流程中，都将 "Disable the Nouveau drivers" 列为第一步 。

---

完整操作步骤（Ubuntu 22.04）

1. 检查 Nouveau 是否已加载

lsmod | grep nouveau

如果有输出，继续下一步；如果无输出，说明已禁用，跳到第 4 步。

2. 创建黑名单配置

cat <<EOF | sudo tee /etc/modprobe.d/blacklist-nouveau.conf
blacklist nouveau
options nouveau modeset=0
EOF

3. 重新生成 initramfs 并重启

sudo update-initramfs -u
sudo reboot

4. 进入文本模式（Runlevel 3）

重启后，在 GRUB 界面按 e 编辑启动项，在 linux 行末尾追加：

3 nomodeset

然后按 Ctrl+X 启动。这会以纯文本模式进入系统，避免图形驱动冲突。

5. 停止显示管理器（如果仍在运行）

sudo systemctl stop gdm3   # 或 lightdm / sddm，视你的桌面环境而定

6. 运行 CUDA runfile

sudo sh cuda_12.8.2_570.211.01_linux.run --no-opengl-libs

建议加 --no-opengl-libs，因为你使用的是 V100（计算卡），不需要 OpenGL 图形库，可减少冲突。

---

为什么不建议让 runfile 自动处理？

NVIDIA 的 runfile 在检测到 Nouveau 运行时，确实会尝试自动生成 一个 /etc/modprobe.d/nvidia-installer-disable-nouveau.conf 黑名单文件 。但存在两个风险：

1. 如果安装中途失败或被打断，系统已经禁用了 Nouveau 但尚未完成官方驱动安装，重启后可能黑屏，需进入救援模式手动删除该黑名单文件才能恢复 。
2. 安装程序要求重启后才能继续，这会打断流程。手动预先处理可一次性完成。

因此，先手动 blacklist → 更新 initramfs → 重启进入文本模式 → 再执行 runfile 是最稳妥、符合官方文档的做法。

1.4. 安装 cuda 12.8.2

1.4.1. 下载并安装 cuda

下载页面

wget https://developer.download.nvidia.com/compute/cuda/12.8.2/local_installers/cuda_12.8.2_570.211.01_linux.run
sudo sh cuda_12.8.2_570.211.01_linux.run

2. 安装 ofed for cx-6 dx

主页网址

下载源码版：

wget https://www.mellanox.com/downloads/ofed/MLNX_OFED-24.10-5.1.6.1/MLNX_OFED_SRC-debian-24.10-5.1.6.1.tgz

这个 MLNX_OFED_SRC-debian-24.10-5.1.6.1.tgz 是 Debian/Ubuntu 源码包 ，不是预编译二进制。解压后得到的 install.pl 是一个完整的 Perl 构建脚本，它会自动从 SOURCES/ 目录中的源码 tarball 构建 .deb 包，然后安装。

---

安装步骤

0. 安装cmake 3.31

首先手动安装cmake 3.31，否则，在安装 ofed时，会自动安装 ubuntu apt 仓库中的 3.22版本，在后边构建 holoscan-sdk 时，会发现版本太旧。

```wget https://github.com/Kitware/CMake/releases/download/v3.31.6/cmake-3.31.6.tar.gz
sudo apt install libssl-dev
tar zxf cmake-3.31.6.tar.gz
cd cmake-3.31.6/
./bootstrap --parallel=256
make -j
sudo make install
# 检查安装版本
hash -r
cmake --version

#### 1. 安装编译依赖

在运行脚本前，必须确保系统具备完整的编译环境：

```bash
sudo apt update
sudo apt install -y \
    build-essential dkms debhelper \
    autoconf automake libtool pkg-config \
    quilt fakeroot \
    libnl-3-dev libnl-route-3-dev libnuma-dev \
    libssl-dev libelf-dev \
    cmake python3-dev pandoc \
    linux-headers-$(uname -r)

2. 运行安装脚本

进入解压后的目录执行：

cd ~/install_mellanox/MLNX_OFED_SRC-24.10-5.1.6.1
sudo perl install.pl --all

常用选项说明（根据你的需求选择）：

选项	含义
--all	安装所有可用包（默认推荐，包含内核模块、用户态库、工具）
--hpc	仅安装 HPC 所需最小集合（包含 UCX、OpenMPI、SHARP 等）
--basic	仅安装基础功能最小集合
--kernel-only	只编译安装内核模块（mlx5_core, mlx5_ib 等）
--user-space-only	只安装用户态库和工具
--force	强制安装，跳过冲突检查
--without-dkms	禁用 DKMS，直接为当前内核编译静态模块（不推荐，除非你有特殊需求）
--without-ucx	跳过 UCX 安装（你后续要手动编译 UCX 1.20.0，这里可以跳过避免冲突）

推荐命令（如果你后续要手动编译 UCX 1.20.0）：

sudo perl install.pl --all --without-ucx

3. 脚本会自动执行什么

install.pl 会按以下流程工作：

1. 检测系统 ：读取 /etc/os-release 确认是 Ubuntu 22.04
2. 卸载冲突包 ：自动移除系统自带的 rdma-core, libibverbs1, librdmacm1 等包（避免与 OFED 版本冲突）
3. 解析依赖 ：根据选择的安装选项，从 SOURCES/ 中确定需要构建哪些包
4. 编译构建 ：对每个组件执行 dpkg-buildpackage，生成 .deb 包到 DEBS/ 目录
5. 安装 ：通过 dpkg -i 安装构建好的包
6. 内核模块 ：默认使用 DKMS ，编译 mlnx-ofed-kernel-dkms 等内核模块包，自动适配当前内核版本

4. 安装后验证

# 检查内核模块是否加载
lsmod | grep mlx5

# 查看 RDMA 设备状态
ibstat

# 查看 OFED 版本
ofed_info -s

# 测试 RDMA 性能（回环测试）
ib_write_bw -d mlx5_0 --roce

---

关键注意事项

1. 与 CUDA 12.8.2 的兼容性

这个脚本在安装过程中会检测 CUDA 环境。如果检测到已安装 CUDA，它会自动启用 ucx-cuda 等 GPU Direct RDMA 支持。确保 CUDA 驱动 570.211.01 已先安装。

2. UCX 版本问题

SOURCES/ 中自带的是 ucx_1.18.0.orig.tar.gz，安装后系统 UCX 版本为 1.18.0。你后续需要手动编译 UCX 1.20.0 并安装到独立目录（如 /opt/ucx-1.20.0），这不会影响 OFED 的核心功能。

3. 构建时间

从源码构建全部组件需要 较长时间（取决于机器性能，通常 15-30 分钟），请耐心等待。

4. 内核升级

由于默认使用 DKMS ，后续如果升级内核（apt upgrade），DKMS 会自动重新编译内核模块，无需手动重装 OFED。

5. 如果构建失败

查看日志定位问题：

ls /tmp/OFED.*.logs/
cat /tmp/OFED.*.logs/general.log

---

总结命令（一键执行）

# 1. 准备依赖
sudo apt update
sudo apt install -y build-essential dkms debhelper autoconf automake libtool \
    pkg-config quilt fakeroot libnl-3-dev libnl-route-3-dev libnuma-dev \
    libssl-dev libelf-dev cmake python3-dev pandoc linux-headers-$(uname -r)

# 2. 进入目录并安装（推荐 --all，跳过自带 UCX 避免后续冲突）
cd ~/install_mellanox/MLNX_OFED_SRC-24.10-5.1.6.1
sudo perl install.pl --all --without-ucx

# 3. 重启使内核模块生效
sudo reboot

# 4. 验证
ibstat

如果你只需要最基础的 RDMA 功能（不需要 OpenMPI、SHARP 等），可以改用 sudo perl install.pl --basic。

4. 选择适合 ofed 版本的 DOCA

根据你的环境（已安装 MLNX_OFED 24.10 + Ubuntu 22.04 + CUDA 12.8.2 + V100），应该选择：

DOCA 2.9.5 LTS（2026年6月发布）

这是唯一与你现有环境完全兼容的版本。

---

为什么选 DOCA 2.9.5 LTS？

版本	对应 OFED	与你的 OFED 24.10 兼容	CUDA 兼容	推荐
DOCA 2.9.5 LTS	OFED 24.10-5	✅ 完全同源	✅ CUDA 12.x	⭐ 首选
DOCA 2.9.4 LTS	OFED 24.10-4	✅ 兼容	✅ CUDA 12.x	备选
DOCA 2.9.0	OFED 24.10 初始版	✅ 兼容	✅ CUDA 12.x	旧版
DOCA 3.4.0	OFED 26.04	❌ 冲突	❌ 要求 CUDA 13	不要选
DOCA 3.2.3 LTS	OFED 26.04	❌ 冲突	❌ 要求 CUDA 13	不要选

关键原因：

1. 同源驱动 ：DOCA 2.9.x 是 OFED 24.10 的 DOCA 化版本，内核模块（mlx5_core, mlx5_ib）和用户态库（libibverbs, librdmacm）与已安装的 OFED 24.10 完全一致，不会冲突。
2. CUDA 12 兼容：DOCA 2.9.x 支持 CUDA 12.x，而 DOCA 3.x 系列要求 CUDA 13（V100 也无法使用 CUDA 13 的新特性）。
3. GPUNetIO 支持 ：DOCA 2.9.5 包含 doca-gpunetio-dev，满足你后续编译 UCX 1.20.0 的需求。
4. LTS 维护：2026年6月发布，包含最新的安全补丁和稳定性修复。

---

下载与安装步骤

1. 进入 DOCA 2.9.5 LTS 下载页面

点击归档页面中的：

NVIDIA DOCA 2.9.5 LTS Downloads (June 2026)

2. 下载 Ubuntu 22.04 的 Host 包

在该版本页面中，找到并下载：

doca-host_2.9.5-xxx-ubuntu2204_amd64.deb

（或选择对应你内核版本的 doca-host 包）

3. 安装（推荐方式：先卸载源码 OFED，再装 DOCA 2.9.5）

由于你是通过 MLNX_OFED_SRC-24.10-5.1.6.1 源码编译安装的，包版本号与 DOCA 仓库的元数据可能不完全匹配，建议先卸载再重装：

# 1. 卸载现有源码编译的 OFED 24.10
cd ~/install_mellanox/MLNX_OFED_SRC-24.10-5.1.6.1
sudo perl uninstall.sh --force

# 2. 安装 DOCA 2.9.5（包含等价的 OFED 24.10 驱动 + GPUNetIO）
sudo dpkg -i doca-host_2.9.5-xxx-ubuntu2204_amd64.deb
sudo apt-get install -f -y

# 3. 安装 GPUNetIO 开发库
sudo apt install -y doca-gpunetio-dev

4. 验证

# 确认 DOCA 版本
doca-info | head -20

# 确认 GPUNetIO 库
ls /opt/mellanox/doca/lib/libdoca_gpunetio*.so

# 确认 RDMA 设备正常
ibstat

---

如果坚持不卸载现有 OFED 24.10

如果你不想卸载已编译的 OFED 24.10，可以尝试仅安装 DOCA 2.9.5 的 GPUNetIO 组件（风险较高，可能遇到依赖冲突）：

# 添加 DOCA 2.9 仓库
wget -qO - https://linux.mellanox.com/public/repo/doca/GPG-KEY-Mellanox.pub | \
    sudo gpg --dearmor -o /usr/share/keyrings/GPG-KEY-Mellanox.pub
echo "deb [signed-by=/usr/share/keyrings/GPG-KEY-Mellanox.pub] \
https://linux.mellanox.com/public/repo/doca/2.9.5/ubuntu22.04/x86_64 /" | \
    sudo tee /etc/apt/sources.list.d/doca.list
sudo apt update

# 尝试仅安装 GPUNetIO
sudo apt install -y doca-gpunetio-dev

如果 apt 报错依赖冲突，说明版本号不匹配，此时必须卸载源码 OFED 并改用 DOCA 2.9.5 完整安装。

---

总结

你的需求	对应版本
已装 OFED 24.10	DOCA 2.9.5 LTS（同源驱动）
需要 GPUNetIO	DOCA 2.9.5 LTS （含 doca-gpunetio-dev）
CUDA 12.8.2	DOCA 2.9.5 LTS（DOCA 3.x 要求 CUDA 13）
V100 GPU	DOCA 2.9.5 LTS（DOCA 3.x 的 GPUNetIO 针对 Ampere+ 优化，V100 本就受限）

不要点击 DOCA 3.4.0 或 DOCA 3.2.3 LTS，它们会导致驱动栈冲突。

5. 安装 DOCA 2.9.5 LTS

DOCA 2.9.5 LTS 下载主页

避免安装ofed自带的推荐模块 ucx，使用--no-install-recommends

wget https://www.mellanox.com/downloads/DOCA/DOCA_v2.9.5/host/doca-host_2.9.5-008000-24.10-ubuntu2204_amd64.deb
sudo dpkg -i doca-host_2.9.5-008000-24.10-ubuntu2204_amd64.deb
sudo apt-get update
sudo apt-get -y install doca-all

apt-cache depends doca-ofed | grep -E "Depends|Recommends" | grep -i ucx

doca 依赖 ucx，必须安装。索性doca-all 了。

6. 下载适合 cuda 12.8.2 的 TensorRT

wget -c https://developer.nvidia.com/downloads/compute/machine-learning/tensorrt/10.9.0/tars/TensorRT-10.9.0.34.Linux.x86_64-gnu.cuda-12.8.tar.gz

tar zxf TensorRT-10.9.0.34.Linux.x86_64-gnu.cuda-12.8.tar.gz
sudo mv TensorRT-10.9.0.34 /usr/local/

安装 protobuf

 wget https://github.com/protocolbuffers/protobuf/releases/download/v21.12/protobuf-cpp-3.21.12.tar.gz
  tar -xzf protobuf-cpp-3.21.12.tar.gz
  cd protobuf-3.21.12
  
  cmake -S cmake -B build-cmake -G Ninja   -D CMAKE_BUILD_TYPE=Release   -D CMAKE_INSTALL_PREFIX=/usr/local   -D protobuf_BUILD_TESTS=OFF   -D BUILD_SHARED_LIBS=ON
  cmake --build build-cmake -j$(nproc)
  sudo cmake --install build-cmake
  sudo ldconfig
  ls /usr/local/lib/cmake/protobuf/

安装一个与 protobuf 3.21.2 版本匹配的 grpc

# 1. 安装编译依赖 
sudo apt-get install -y build-essential pkg-config \
  libssl-dev zlib1g-dev libc-ares-dev

# 2. 下载源码并编译安装

git clone --recurse-submodules -b v1.51.1 --depth 1 --shallow-submodules \
  https://github.com/grpc/grpc
cd grpc

cmake -S . -B cmake/build -G Ninja \
  -D CMAKE_BUILD_TYPE=Release \
  -D CMAKE_INSTALL_PREFIX=/usr/local \
  -D gRPC_INSTALL=ON \
  -D gRPC_BUILD_TESTS=OFF \
  -D gRPC_PROTOBUF_PROVIDER=package \
  -D gRPC_ZLIB_PROVIDER=package \
  -D gRPC_CARES_PROVIDER=package \
  -D gRPC_SSL_PROVIDER=package \
  -D gRPC_ABSL_PROVIDER=module \
  -D gRPC_RE2_PROVIDER=module

cmake --build cmake/build -j$(nproc)
sudo cmake --install cmake/build
sudo ldconfig

安装 yaml

git clone https://github.com/jbeder/yaml-cpp.git
cd yaml-cpp
git checkout 0.8.0

cmake -B build \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_POSITION_INDEPENDENT_CODE=ON \
    -DYAML_CPP_BUILD_TESTS=OFF \
    -DYAML_CPP_BUILD_TOOLS=OFF \
    -DYAML_BUILD_SHARED_LIBS=ON

cmake --build build -j$(nproc)
sudo cmake --install build
sudo ldconfig

安装 ucx v1.20.0

提前出示需要打补丁给 ucx v1.20.0 的内容。

在checkout后 v1.20.0 后，要做一个补丁，定义一个宏函数： READ_ONCE

ruler@ruler-Super-Server:~/ex_holoscan/ucx$ git diff
diff --git a/src/uct/ib/mlx5/gdaki/gdaki.cuh b/src/uct/ib/mlx5/gdaki/gdaki.cuh
index b057bc3cf..850cccf32 100644
--- a/src/uct/ib/mlx5/gdaki/gdaki.cuh
+++ b/src/uct/ib/mlx5/gdaki/gdaki.cuh
@@ -12,6 +12,10 @@
 #include <doca_gpunetio_dev_verbs_qp.cuh>
 #include <cooperative_groups.h>

+#ifndef READ_ONCE
+#define READ_ONCE(x) (*(volatile typeof(x) *)&(x))
+#endif
+
 #define UCT_RC_GDA_RESV_WQE_NO_RESOURCE -1ULL
 #define UCT_RC_GDA_WQE_ERR              UCS_BIT(63)
 #define UCT_RC_GDA_WQE_MASK             UCS_MASK(63)
ruler@ruler-Super-Server:~/ex_holoscan/ucx$ git branch
* (HEAD detached at v1.20.0)
  master
ruler@ruler-Super-Server:~/ex_holoscan/ucx$

配置编译 ucx

cd /opt

# 1. 下载源码
git clone https://github.com/openucx/ucx.git

cd ucx/
git tag
git checkout v1.20.0
./autogen.sh

# 2. 创建构建目录
mkdir build && cd build

# 3. 配置（release 优化版本）
#    --with-cuda: 指定 CUDA 路径
#    --with-verbs / --with-rdmacm: 启用 IB/RoCE 传输
#    --enable-mt: 启用多线程支持
#    GDA 会自动通过 pkg-config 检测 doca-gpunetio
../contrib/configure-release \
    --prefix=/opt/ucx-1.20.0 \
    --with-cuda=/usr/local/cuda \
    --with-doca=/opt/mellanox/doca \
    --enable-gdrcopy \
    --with-verbs \
    --with-rc \
    --with-ud \
    --with-dc \
    --with-mlx5-dv \
    --with-dm


# 4. 编译安装
make -j$(nproc)
sudo make install

安装 gxf

# 1. 下载 GXF 5.7.1（x86_64, CUDA 12 版，仅约 5MB）
cd /tmp
curl -S -# -L -o gxf.tgz \
  "https://edge.urm.nvidia.com/artifactory/sw-holoscan-thirdparty-generic-local/gxf/gxf_5.7.1_20260713_86d402891_holoscan-sdk-cu12_x86_64.tar.gz"

# 2. 解压到 /opt/nvidia/gxf（--strip-components 2 是官方 Dockerfile 的同款用法）
sudo mkdir -p /opt/nvidia/gxf
sudo tar xzf gxf.tgz -C /opt/nvidia/gxf --strip-components 2

# 3. 验证 CMake 配置文件就位
ls /opt/nvidia/gxf/lib/cmake/GXF/GXFConfig.cmake

然后 holoscan-sdk 使用 gxf 的方式

多一条：-DGXF_DIR=/opt/nvidia/gxf/lib/cmake/GXF

cd ~/ex_holoscan/tmp01/holoscan-sdk
rm -rf build

cmake -S . -B build -G Ninja \
    -DCMAKE_BUILD_TYPE=Release \
    -DGXF_DIR=/opt/nvidia/gxf/lib/cmake/GXF \
    -Ducx_DIR=/opt/ucx-1.20.0/lib/cmake/ucx \
    # ...加上你原来用的其他 -D 参数

cmake --build build -j$(nproc)

参考：

https://github.com/NVIDIA-ISAAC-ROS/gxf

https://catalog.ngc.nvidia.com/orgs/nvidia/clara-holoscan/resources/gxf_x86_64_holoscan_sdk/-?_lr=1

https://edge.urm.nvidia.com/artifactory/sw-holoscan-thirdparty-generic-local/gxf/gxf_5.7.1_20260713_86d402891_holoscan-sdk-cu12_x86_64.tar.gz

安装V4L2

sudo apt-get update
sudo apt-get install -y libv4l-dev v4l-utils

安装 onnx runtime 带 gpu 加速

git clone --recursive https://github.com/microsoft/onnxruntime.git
cd onnxruntime
git checkout v1.16.3

# 编译（带 CUDA EP）
./build.sh --config Release --build_shared_lib --parallel --use_cuda --cuda_home /usr/local/cuda --cudnn_home /usr/local/cuda

# 安装到 /opt/onnxruntime
sudo mkdir -p /opt/onnxruntime
sudo cp -r build/Linux/Release/lib /opt/onnxruntime/
sudo cp -r build/Linux/Release/include /opt/onnxruntime/
sudo cp -r include/onnxruntime/core/session/* /opt/onnxruntime/include/ 2>/dev/null || true

export ONNXRuntime_ROOT=/opt/onnxruntime

下载 cuDNN 9.8

cudnn deb 发布地址

tarball web addr

DA 12.8.2 + TensorRT 10.9 对应的 cuDNN 版本为 cuDNN 9.7 或更高版本（9.8、9.10、9.13、9.24 均可）。

以下是官方兼容性矩阵的汇总：

组件	版本	说明
CUDA Toolkit	12.8.2	你当前已安装的版本
cuDNN	≥ 9.7.x	最低要求；推荐 9.8+
TensorRT	10.9.0.34	TAR 包文件名明确标注 cuda-12.8
NVIDIA Driver (Linux)	≥ 570.26	CUDA 12.8 的最低驱动要求

wget https://developer.download.nvidia.cn/compute/cudnn/redist/cudnn/linux-x86_64/cudnn-linux-x86_64-9.11.1.4_cuda12-archive.tar.xz

下载holoscan-sdk

git clone https://github.com/nvidia-holoscan/holoscan-sdk.git
cd holoscan-sdk/
git chekcout v4.5.0

构建 holoscan-sdk

cmake -S /home/ruler/ex_holoscan/tmp01/holoscan-sdk \
      -B /home/ruler/ex_holoscan/tmp01/holoscan-sdk/build/ \
      -G Ninja \
      -D CMAKE_BUILD_TYPE=Release \
      -D GXF_DIR=/opt/nvidia/gxf/lib/cmake/GXF \
      -D CUDAToolkit_ROOT:PATH="/usr/local/cuda" \
      -D HOLOSCAN_ENABLE_VIZ=OFF \
      -D HOLOSCAN_BUILD_EXAMPLES=OFF \
      -D HOLOSCAN_BUILD_TESTS=OFF \
      -D HOLOSCAN_DOWNLOAD_DATASETS=OFF \
      -D TensorRT_ROOT=/home/ruler/ex_holoscan/TensorRT-10.9.0.34 \
      -D ucx_DIR=/opt/ucx-1.20.0/lib/cmake/ucx