前言
本文講解如何在VS 2010開發(fā)平臺(tái)中搭建CUDA開發(fā)環(huán)境
當(dāng)前配置：
系統(tǒng)：WIN7 64位
開發(fā)平臺(tái)：VS 2010
顯卡：英偉達(dá)G卡
CUDA版本：6.0
若配置不一樣，請(qǐng)勿參閱本文。
第一步
點(diǎn)擊這里下載 cuda最新版，目前最高版本是6.0。下載完畢后得到 cuda_6.0.37_winvista_win7_win8.1_general_64.exe 文件。
第二步
運(yùn)行安裝程序，彈出安裝過程中轉(zhuǎn)文件路徑設(shè)定框：
這個(gè)路徑隨便填無所謂，安裝完后就會(huì)自動(dòng)刪除的，我就直接設(shè)置為默認(rèn)的。
第三步
等待系統(tǒng)幫你檢測(cè)當(dāng)前平臺(tái)是否適合搭建CUDA：
第四步
檢測(cè)完畢后，正式進(jìn)入CUDA安裝界面：
同意并繼續(xù)
第五步
然后選擇安裝模式：
為了完全安裝所有功能，選擇自定義模式安裝。
第六步
接下來勾選要安裝的組件：
全部勾上
第七步
接下來要設(shè)置三個(gè)安裝路徑：
這三個(gè)路徑安裝的是什么在日后的文章中將會(huì)解釋，目前先不理會(huì)，直接安裝到默認(rèn)路徑。點(diǎn)擊下一步之后開始正式安裝。
第八步
安裝完畢后，可以看到系統(tǒng)中多了CUDA_PATH和CUDA_PATH_V6_0兩個(gè)環(huán)境變量，接下來，還要在系統(tǒng)中添加以下幾個(gè)環(huán)境變量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\x64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
然后，在系統(tǒng)變量 PATH 的末尾添加：
;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
第九步
重新啟動(dòng)計(jì)算機(jī)以使環(huán)境變量生效
第十步
打開VS2010并建立一個(gè)空的win32控制臺(tái)項(xiàng)目：
附加選項(xiàng)那里請(qǐng)把“空項(xiàng)目”打鉤：
第十一步
右鍵源文件 -> 添加 -> 新建項(xiàng) 如下圖所示：
在打開的對(duì)話框中選擇新建一個(gè)CUDA格式的源文件 (如果你只是要調(diào)用 CUDA 庫(kù)編寫程序而不需要自行調(diào)用核函數(shù)分配塊，線程的話也可以就建立 .cpp 的源文件)：
第十二步
右鍵工程 -> 生成自定義 如下圖所示：
在彈出的對(duì)話框中勾選“CUDA 6.0 *****"選項(xiàng)：
第十三步
右鍵項(xiàng)目 -> 屬性 -> 配置屬性 -> VC++目錄，添加以下兩個(gè)包含目錄：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.0\include
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0\common\inc
再添加以下兩個(gè)庫(kù)目錄：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.0\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0\common\lib\x64
第十四步
右鍵項(xiàng)目 -> 屬性 -> 配置屬性 ->連接器 -> 常規(guī) -> 附加庫(kù)目錄，添加以下目錄：
$(CUDA_PATH_V6_0)\lib\$(Platform)
如下圖所示：
第十五步
右鍵項(xiàng)目 -> 屬性 -> 配置屬性 ->連接器 -> 輸入 -> 附加依賴項(xiàng)，添加以下庫(kù)：
cublas.lib
cublas_device.lib
cuda.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
cufft.lib
cufftw.lib
curand.lib
cusparse.lib
nppc.lib
nppi.lib
npps.lib
nvblas.lib (32位系統(tǒng)請(qǐng)勿附加此庫(kù)!)
nvcuvenc.lib
nvcuvid.lib
OpenCL.lib
如下圖所示：
第十六步
右鍵項(xiàng)目 -> 屬性，如下圖所示：
將項(xiàng)類型設(shè)置為 CUDA C/C++：
第十七步
打開配置管理器，如下圖所示：
點(diǎn)擊 新建，如下圖所示：
選擇 X64 平臺(tái)：
好了，至此平臺(tái)已經(jīng)完全搭建完畢，可用以下代碼進(jìn)行測(cè)試：
1 // CUDA runtime 庫(kù) + CUBLAS 庫(kù) 2 #include "cuda_runtime.h" 3 #include "cublas_v2.h" 4 5 #include <time.h> 6 #include <iostream> 7 8 using namespace std; 9 10 // 定義測(cè)試矩陣的維度 11 int const M = 5; 12 int const N = 10; 13 14 int main() 15 { 16 // 定義狀態(tài)變量 17 cublasStatus_t status; 18 19 // 在 內(nèi)存 中為將要計(jì)算的矩陣開辟空間 20 float *h_A = (float*)malloc (N*M*sizeof(float)); 21 float *h_B = (float*)malloc (N*M*sizeof(float)); 22 23 // 在 內(nèi)存 中為將要存放運(yùn)算結(jié)果的矩陣開辟空間 24 float *h_C = (float*)malloc (M*M*sizeof(float)); 25 26 // 為待運(yùn)算矩陣的元素賦予 0-10 范圍內(nèi)的隨機(jī)數(shù) 27 for (int i=0; i<N*M; i++) { 28 h_A[i] = (float)(rand()%10+1); 29 h_B[i] = (float)(rand()%10+1); 30 31 } 32 33 // 打印待測(cè)試的矩陣 34 cout << "矩陣 A :" << endl; 35 for (int i=0; i<N*M; i++){ 36 cout << h_A[i] << " "; 37 if ((i+1)%N == 0) cout << endl; 38 } 39 cout << endl; 40 cout << "矩陣 B :" << endl; 41 for (int i=0; i<N*M; i++){ 42 cout << h_B[i] << " "; 43 if ((i+1)%M == 0) cout << endl; 44 } 45 cout << endl; 46 47 /* 48 ** GPU 計(jì)算矩陣相乘 49 */ 50 51 // 創(chuàng)建并初始化 CUBLAS 庫(kù)對(duì)象 52 cublasHandle_t handle; 53 status = cublasCreate(&handle); 54 55 if (status != CUBLAS_STATUS_SUCCESS) 56 { 57 if (status == CUBLAS_STATUS_NOT_INITIALIZED) { 58 cout << "CUBLAS 對(duì)象實(shí)例化出錯(cuò)" << endl; 59 } 60 getchar (); 61 return EXIT_FAILURE; 62 } 63 64 float *d_A, *d_B, *d_C; 65 // 在 顯存 中為將要計(jì)算的矩陣開辟空間 66 cudaMalloc ( 67 (void**)&d_A, // 指向開辟的空間的指針 68 N*M * sizeof(float) // 需要開辟空間的字節(jié)數(shù) 69 ); 70 cudaMalloc ( 71 (void**)&d_B, 72 N*M * sizeof(float) 73 ); 74 75 // 在 顯存 中為將要存放運(yùn)算結(jié)果的矩陣開辟空間 76 cudaMalloc ( 77 (void**)&d_C, 78 M*M * sizeof(float) 79 ); 80 81 // 將矩陣數(shù)據(jù)傳遞進(jìn) 顯存 中已經(jīng)開辟好了的空間 82 cublasSetVector ( 83 N*M, // 要存入顯存的元素個(gè)數(shù) 84 sizeof(float), // 每個(gè)元素大小 85 h_A, // 主機(jī)端起始地址 86 1, // 連續(xù)元素之間的存儲(chǔ)間隔 87 d_A, // GPU 端起始地址 88 1 // 連續(xù)元素之間的存儲(chǔ)間隔 89 ); 90 cublasSetVector ( 91 N*M, 92 sizeof(float), 93 h_B, 94 1, 95 d_B, 96 1 97 ); 98 99 // 同步函數(shù)100 cudaThreadSynchronize();101 102 // 傳遞進(jìn)矩陣相乘函數(shù)中的參數(shù)，具體含義請(qǐng)參考函數(shù)手冊(cè)。103 float a=1; float b=0;104 // 矩陣相乘。該函數(shù)必然將數(shù)組解析成列優(yōu)先數(shù)組105 cublasSgemm (106 handle, // blas 庫(kù)對(duì)象 107 CUBLAS_OP_T, // 矩陣 A 屬性參數(shù)108 CUBLAS_OP_T, // 矩陣 B 屬性參數(shù)109 M, // A, C 的行數(shù) 110 M, // B, C 的列數(shù)111 N, // A 的列數(shù)和 B 的行數(shù)112 &a, // 運(yùn)算式的 α 值113 d_A, // A 在顯存中的地址114 N, // lda115 d_B, // B 在顯存中的地址116 M, // ldb117 &b, // 運(yùn)算式的 β 值118 d_C, // C 在顯存中的地址(結(jié)果矩陣)119 M // ldc120 );121 122 // 同步函數(shù)123 cudaThreadSynchronize();124 125 // 從 顯存 中取出運(yùn)算結(jié)果至 內(nèi)存中去126 cublasGetVector (127 M*M, // 要取出元素的個(gè)數(shù)128 sizeof(float), // 每個(gè)元素大小129 d_C, // GPU 端起始地址130 1, // 連續(xù)元素之間的存儲(chǔ)間隔131 h_C, // 主機(jī)端起始地址132 1 // 連續(xù)元素之間的存儲(chǔ)間隔133 );134 135 // 打印運(yùn)算結(jié)果136 cout << "計(jì)算結(jié)果的轉(zhuǎn)置 ( (A*B)的轉(zhuǎn)置 )：" << endl;137 138 for (int i=0;i<M*M; i++){139 cout << h_C[i] << " ";140 if ((i+1)%M == 0) cout << endl;141 }142 143 // 清理掉使用過的內(nèi)存144 free (h_A);145 free (h_B);146 free (h_C);147 cudaFree (d_A);148 cudaFree (d_B);149 cudaFree (d_C);150 151 // 釋放 CUBLAS 庫(kù)對(duì)象152 cublasDestroy (handle);153 154 getchar();155 156 return 0;157 }
運(yùn)行結(jié)果
PS: 矩陣元素是隨機(jī)生成的
小結(jié)
不論什么開發(fā)環(huán)境的搭建，都應(yīng)該確保自己電腦的硬件配置，軟件版本和參考文檔的一致，這樣才能確保最短的時(shí)間內(nèi)完成搭建，進(jìn)入到具體的開發(fā)環(huán)節(jié)。
聯(lián)系客服
