windows+VS2013+CUDA7.5配置

本文转自VS2013+CUDA7.5配置，修正了其中步骤f的误记，完善了测试阶段的说明。

电脑配置：

　　　　系统：WIN7 64位

　　　　开发平台：VS 2013

　　　　显卡：英伟达G卡

　　　　CUDA版本：7.5

1.安装最新版CUDA

   https://developer.nvidia.com/cuda-downloads

   默认安装在C盘

2.配置环境变量

      

        CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5

　    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，在系统变量 PATH 的末尾添加：

　　;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;

        备注：ProgramData为隐藏目录，要设置为显示

3.打开VS2013并建立一个空的win32控制台项目

   a.右键源文件 -> 添加 -> 新建项  选择CUDA C++/C文件

   b.右键工程 -> 生成自定义,选择CUDA 7.5

   c.右键项目 -> 属性 -> 配置属性 -> VC++目录，添加以下两个包含目录：

        C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\include
　    C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5\common\inc
　　再添加以下两个库目录：
　　C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\lib\x64
　　C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5\common\lib\x64

   d.右键项目 -> 属性 -> 配置属性 ->链接器 -> 常规 -> 附加库目录，添加以下目录：

　　$(CUDA_PATH_V7_5)\lib\$(Platform)

   e.右键项目 -> 属性 -> 配置属性 ->链接器 -> 输入 -> 附加依赖项，添加以下库：

       其实就是  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\lib\x64 目录下的库

       cublas.lib
      cublas_device.lib
      cuda.lib
      cudadevrt.lib
      cudart.lib
      cudart_static.lib
      cufft.lib
      cufftw.lib
     curand.lib
     cusolver.lib
     cusparse.lib
     nppc.lib
     nppi.lib
     npps.lib
     nvblas.lib
     nvcuvid.lib
     nvrtc.lib
     OpenCL.lib

   f.右键点击.cu文件 -> 属性->项类型  选CUDA C/C++

   g.打开配置管理器

       

       平台改为x64

    4.测试

将下面代码复制到你的cu文件中。

      

   

[cpp]  view plain  copy

1. // CUDA runtime 库 + CUBLAS 库   
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. // 定义测试矩阵的维度  
11. int const M = 5;  
12. int const N = 10;  
13.   
14. int main()   
15. {     
16.     // 定义状态变量  
17.     cublasStatus_t status;  
18.   
19.     // 在 内存 中为将要计算的矩阵开辟空间  
20.     float *h_A = (float*)malloc (N*M*sizeof(float));  
21.     float *h_B = (float*)malloc (N*M*sizeof(float));  
22.       
23.     // 在 内存 中为将要存放运算结果的矩阵开辟空间  
24.     float *h_C = (float*)malloc (M*M*sizeof(float));  
25.   
26.     // 为待运算矩阵的元素赋予 0-10 范围内的随机数  
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.     // 打印待测试的矩阵  
34.     cout << "矩阵 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 << "矩阵 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 计算矩阵相乘 
49.     */  
50.   
51.     // 创建并初始化 CUBLAS 库对象  
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 对象实例化出错" << endl;  
59.         }  
60.         getchar ();  
61.         return EXIT_FAILURE;  
62.     }  
63.   
64.     float *d_A, *d_B, *d_C;  
65.     // 在 显存 中为将要计算的矩阵开辟空间  
66.     cudaMalloc (  
67.         (void**)&d_A,    // 指向开辟的空间的指针  
68.         N*M * sizeof(float)    //　需要开辟空间的字节数  
69.     );  
70.     cudaMalloc (  
71.         (void**)&d_B,      
72.         N*M * sizeof(float)      
73.     );  
74.   
75.     // 在 显存 中为将要存放运算结果的矩阵开辟空间  
76.     cudaMalloc (  
77.         (void**)&d_C,  
78.         M*M * sizeof(float)      
79.     );  
80.   
81.     // 将矩阵数据传递进 显存 中已经开辟好了的空间  
82.     cublasSetVector (  
83.         N*M,    // 要存入显存的元素个数  
84.         sizeof(float),    // 每个元素大小  
85.         h_A,    // 主机端起始地址  
86.         1,    // 连续元素之间的存储间隔  
87.         d_A,    // GPU 端起始地址  
88.         1    // 连续元素之间的存储间隔  
89.     );  
90.     cublasSetVector (  
91.         N*M,   
92.         sizeof(float),   
93.         h_B,   
94.         1,   
95.         d_B,   
96.         1  
97.     );  
98.   
99.     // 同步函数  
100.     cudaThreadSynchronize();  
101.   
102.     // 传递进矩阵相乘函数中的参数，具体含义请参考函数手册。  
103.     float a=1; float b=0;  
104.     // 矩阵相乘。该函数必然将数组解析成列优先数组  
105.     cublasSgemm (  
106.         handle,    // blas 库对象   
107.         CUBLAS_OP_T,    // 矩阵 A 属性参数  
108.         CUBLAS_OP_T,    // 矩阵 B 属性参数  
109.         M,    // A, C 的行数   
110.         M,    // B, C 的列数  
111.         N,    // A 的列数和 B 的行数  
112.         &a,    // 运算式的 α 值  
113.         d_A,    // A 在显存中的地址  
114.         N,    // lda  
115.         d_B,    // B 在显存中的地址  
116.         M,    // ldb  
117.         &b,    // 运算式的 β 值  
118.         d_C,    // C 在显存中的地址(结果矩阵)  
119.         M    // ldc  
120.     );  
121.       
122.     // 同步函数  
123.     cudaThreadSynchronize();  
124.   
125.     // 从 显存 中取出运算结果至 内存中去  
126.     cublasGetVector (  
127.         M*M,    //  要取出元素的个数  
128.         sizeof(float),    // 每个元素大小  
129.         d_C,    // GPU 端起始地址  
130.         1,    // 连续元素之间的存储间隔  
131.         h_C,    // 主机端起始地址  
132.         1    // 连续元素之间的存储间隔  
133.     );  
134.       
135.     // 打印运算结果  
136.     cout << "计算结果的转置 ( (A*B)的转置 )：" << 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.     // 清理掉使用过的内存  
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.     // 释放 CUBLAS 库对象  
152.     cublasDestroy (handle);  
153.   
154.     getchar();  
155.       
156.     return 0;  
157. }  

顺利生成项目。运行，结果如下：