Qt 调用CUDA静态库和动态库生成与配置

前言

       通过将CUDA相关计算操作放在库中，方便在项目中调用，省去了每次编译cu文件的麻烦，也便于集成到其他平台上。

       关于部署CUDA加速的程序时，往往对CUDA加速的程序编译为动态链接库或者静态链接库。这两者导致的区别是，使用动态链接库，在目标机器上运行时，必须一并安装和编译库时一样的CUDA版本，而静态库没有这样的要求。可见静态库对使用者来说可能更加方便。

 

 

 

一、CSDN论坛中看到的CUDA静态库生成及调用

以Windows和VS2008为例

静态库(lib)的生成

1. 建立一个名为 TestLib 的项目，配置CUDA环境。加入 cudart_static.lib
2.新建文件 test.cu，包含一个简单的Kernel函数以及测试函数。

#include <stdio.h>
__global__  void Kernel()
{
    printf("%d ", threadIdx.x);
}
 
void Test(int n)
{
    Kernel<<<1, n>>>();
}

3. 在项目属性中设置输出类型为Static Library (.lib)
4. Build。在Release文件下会生成一个 TestLib.lib 文件。

静态库的调用

1. 新建一个名为 Test  的项目。注意，这里可以不需要配置CUDA环境。
2. 建立 Test.h 和 main.cpp

// Test.h
#ifndef TEST_H
#define TEST_H
 
void Test(int n);
 
#endif

// main.cpp
#include "Test.h"
 
void main()
{
    Test(10);
}

3.  加入 cudart_static.lib 和 TestLib.lb, 加入 TestLib.lib的路径

4. 生成exe.

运行结果：0 1 2 3 4 5 6 7 8 9

二、CUDA动态库的生成及调用

本文配置：VS2015   CUDA8.0

一、封装CUDA动态库

主要步骤：修改自定义方式、设置cu文件项类型为CDUA CC++ ，添加依赖库cudart.lib.

1、创建一个动态库，这里建的库是x86的，也可以更改为x64.

2、添加cu文件

3、源程序内容

CudaDll32.h

// 下列 ifdef 块是创建使从 DLL 导出更简单的
// 宏的标准方法。此 DLL 中的所有文件都是用命令行上定义的 CUDADLL32_EXPORTS
// 符号编译的。在使用此 DLL 的
// 任何其他项目上不应定义此符号。这样，源文件中包含此文件的任何其他项目都会将
// CUDADLL32_API 函数视为是从 DLL 导入的，而此 DLL 则将用此宏定义的
// 符号视为是被导出的。
#ifdef CUDADLL32_EXPORTS
#define CUDADLL32_API __declspec(dllexport)
#else
#define CUDADLL32_API __declspec(dllimport)
#endif
 
extern "C" CUDADLL32_API int vectorAdd(int c[], int a[], int b[], int size);

 
 kernel.cu

#include "cuda_runtime.h"  
#include "device_launch_parameters.h"    
#include "CudaDll32.h"
//CUDA核函数  
__global__ void addKernel(int *c, const int *a, const int *b)
{
    int i = threadIdx.x;
    c[i] = a[i] + b[i];
}
 
 
//向量相加  
CUDADLL32_API int vectorAdd(int c[], int a[], int b[], int size)
{
    int result = -1;
    int *dev_a = 0;
    int *dev_b = 0;
    int *dev_c = 0;
    cudaError_t cudaStatus;
 
    // 选择用于运行的GPU  
    cudaStatus = cudaSetDevice(0);
    if (cudaStatus != cudaSuccess) {
        result = 1;
        goto Error;
    }
 
    // 在GPU中为变量dev_a、dev_b、dev_c分配内存空间.  
    cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        result = 2;
        goto Error;
    }
    cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        result = 3;
        goto Error;
    }
    cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        result = 4;
        goto Error;
    }
 
    // 从主机内存复制数据到GPU内存中.  
    cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);
    if (cudaStatus != cudaSuccess) {
        result = 5;
        goto Error;
    }
    cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);
    if (cudaStatus != cudaSuccess) {
        result = 6;
        goto Error;
    }
 
    // 启动GPU内核函数  
    addKernel << <1, size >> >(dev_c, dev_a, dev_b);
 
    // 采用cudaDeviceSynchronize等待GPU内核函数执行完成并且返回遇到的任何错误信息  
    cudaStatus = cudaDeviceSynchronize();
    if (cudaStatus != cudaSuccess) {
        result = 7
        goto Error
    }
 
    // 从GPU内存中复制数据到主机内存中  
    cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);
    if (cudaStatus != cudaSuccess) {
        result = 8;
        goto Error;
    }
 
    result = 0;
 
    // 重置CUDA设备，在退出之前必须调用cudaDeviceReset  
    cudaStatus = cudaDeviceReset();
    if (cudaStatus != cudaSuccess) {
        return 9;
    }
Error:
    //释放设备中变量所占内存  
    cudaFree(dev_c);
    cudaFree(dev_a);
    cudaFree(dev_b);
 
    return result;
}

4、修改项目的自定义方式为：CUDA8.0

5、修改cu文件的项类型

6、添加链接器的附加依赖项 cudart.lib

7、生成DLL文件

二、调用动态库

创建一个控制台工程，调用库三步骤：

调用源代码：包含头文件、并把dll文件拷贝到可行性目录下

// CallCudaDll32.cpp : 定义控制台应用程序的入口点。
//
 
#include "stdafx.h"
#include "CudaDll32.h"
int main()
{
    const int arraySize = 5;
    int a[arraySize] = { 11, 22, 33, 44, 55 };
    int b[arraySize] = { 10, 20, 30, 40, 50 };
    int c[arraySize] = { 0 };
 
    // Add vectors in parallel.  
    int number = vectorAdd(c, a, b, arraySize);
    printf("{11,22,33,44,55} + {10,20,30,40,50} = {%d,%d,%d,%d,%d}\n",
        c[0], c[1], c[2], c[3], c[4]);
    printf("调用CUDA成功！\n");
    return 0;
}

结果显示：