CUDA 8.0 + VS2013 + win10 x64开发环境搭建

前言

工欲善其事，必先利其器。

CUDA开发，搭建Windows下的环境

---

准备

      作为CUDA开发的第一篇，先介绍一下CUDA环境的搭建吧，这里主要讲的是CUDA在WINDOWS上的环境搭建，后续会专门写一篇在LINUX平台上的基于caffe深度学习CUDA环境搭建。

      CUDA开发我选择的是WIN10的64位系统，采用的CUDA toolkit版本是 cuda 7.5 tookit ，visual  studio 版本是 VS2013 ，由于涉及到图像与视觉处理，这里引入了 opencv 开源库，我这里采用的OPENCV版本是 opencv-2.4.9  。

    一  给出各个开源软件的下载链接:

      1.   cuda 7.5 tookit :         https://developer.nvidia.com/cuda-downloads

             注意默认的是台式机的安装版本，如果要安装笔记本的版本，一定要搜索后缀带有notebook版本。

     2.     VS2013       ：         https://www.visualstudio.com/en-us/downloads/download-visual-studio-vs.aspx

              选用的版本是    ultimate 2013

     3.     opencv-2.4.9 :         http://opencv.org/downloads.html

               选用WINDOW 平台即可

       目前采用的CUDA平台是GTX560  TI， 娱乐级的一款GPU芯片。它的参数配置如下：

                

   安装过程

       1. cuda 7.5 tookit :    默认安装即可。   记住安装完毕以后，一定不要随意升级驱动，不然后续出现驱动与硬件不兼容的问题。往往出现这样的问题是最不容易排查的，由于CUDA开发的资料相对较少，很多情         况下百度和谷歌也搜不到相应的解决方法。自己也曾经为了一个小问题，搜索了二个星期，尝试了不同的解决方案，终于在一个角落里，找到了问题所在，所以从事CUDA开发相对的门槛还是比较高的。

        安装后会在PATH路径上自动增加路径，后续你可以将BIN,LIB,SDK路径加载进去。

       2. VS2013           ：  这个网上资料很多，默认安装即可。  

       3. opencv-2.4.9   ：   下载完后，解压即可。

 

   CUDA平台的搭建 

       由于CUDA集成在了VS平台中，调试工具Nsight也集成在vs中，所以平台搭建主要基于VS进行搭建。 由于主要使用CUDA进行算法移植和加速，一般采用将算法生成动态库或者静态库的形式，供UI层调用，所以首先在VS创建一个生成DLL或者静态库的工程，然后基于该工程生成的文件，创建一个控制台测试工程，测试算法功能正确与否。 （后续我会在相应的分类中给出对应的解决方案和案例代码）

     CUDA toolkit安装完毕后，可以在ProgramData中找到相应的sample工程，通过这些案例工程可以加深对CUDA的了解。

       在创建一个DLL工程后，修改工程的property属性。   主要是VC目录，将CUDA和OPENCV的BIN目录加入到执行目录， include目录加入到包含目录 ，LIB目录加入到libary目录，  其次是链接器目录，将LIB目录下的LIB名称加入到input的addition里面，也可以写一个#pragram  commit 的头文件  将这些lib动态加载。  

     其次右键单击该DLL工程，针对 BUILD  depedencies ,选择 build  custom ,然后选择 使用CUDA 编译器 

    然后创建一个CUDA 文件，右键单击文件，选择扩展为CUDA  C++   即可。

    

 案例 

     下面给出目前我所做的项目调试截图

           

 

 案例链接

            https://github.com/takeshineshiro/cuda_gpu_dll

 

     后续给出，可能会遇到的问题，以及解决方法。