Win10+vs2012+cuda8.0的安装与配置

  安装环境说明:NVDIA GeForce 930M、Intel(R) HD Graphics 520

  显卡和cuda需要兼容匹配,我一开始下载的cuda6.5无法安装,所以又重新下了比较新的cuda8.0。

  一、自行安装vs2012,

  二、安装cuda8.0

       https://developer.nvidia.com/cuda-downloads进入官网,按照自己的系统选择合适的版本。

  因为我的系统是win10,因此我依次选择【Windows】-【x86_64】-【10】-【exe[local]】

  大概1.3个G,之后运行cuda_8.0.61_win10.exe,一直点下一步就可以,我是默认的安装路径。

  三、配置环境变量

  1)安装后可以看到系统中多了CUDA_PATH和CUDA_PATH_V8_0两个环境变量,接下来要在系统中添加以下几个环境变量:

  CUDA_SDK_PATH=C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0

   CUDA_LIB_PATH=%CUDA_PATH%\lib\x64

  CUDA_BIN_PATH=%CUDA_PATH%\bin

  CUDA_SDK_BIN_PATH=%CUDA_SDK_PATH%\bin\win64

  CUDA_SDK_LIB_PATH=%CUDA_SDK_PATH%\common\lib\x64
  然后,在系统变量PATH的末尾依次添加:

   %CUDA_LIB_PATH%

  %CUDA_BIN_PATH%

  %CUDA_SDK_LIB_PATH%

  %CUDA_SDK_BIN_PATH%

  说明:这里注意的是CUDA_SDK_PATH路径的位置,很多人去这个错误路径C:\Program Files\NVIDIA Corporation”下,发现找不到CUDA Samples文件夹。

  实际上是因为ProgramData是一个隐藏文件夹,需要设置【我的电脑】-【查看】-【显示隐藏文件】才能看到,因此这个才是正确路径C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0”。

  配置成功后,重启计算机使环境变量生效。

  2)打开vs2012,新建一个空的win32控制台项目。 

   右键点击源文件 => 添加 => 新建项, 然后选择NVIDIA CUDA 8.0 =>  Code => CUDA C/C++ File
         内容为(一会测试用):
// test.cu
#include <iostream>
// defining
void nvcc_test(){
    std::cout << "I have been processed by NVCC!" << std::endl;

    再新建一个一个main.cpp的项目,内容为(一会测试用):
// main.cpp
#include <iostream>
using namespace std;
// decalaring
void nvcc_test();
int main(){
    nvcc_test();
	system( "PAUSE "); 
    return 0;
}

     3) 右键项目 => 生成自定义,在弹出的对话框中勾选“ CUDA 8.0(.targets,.props)” 选项。

   4)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\v8.0\include

  C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\inc

  再添加以下两个“库目录”:

  C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64
  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
  说明:按照自己电脑的路径来设置,ProgramData的路径前面说过怎么找了。
  5) 右键项目 => 属性 => 配置属性 => 连接器 => 常规,添加以下“附加库目录”: $(CUDA_PATH_V7_0)\lib\$(Platform)
  6)右键项目 => 属性 => 配置属性 => 连接器 => 输入,添加以下“附加依赖项”:
  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 
  nvcuvid.lib 
  OpenCL.lib
  说明:这里也有个小细节,可能粗心的话会出错,就是一行一个.lib,千万别粘贴的时候不小心把两个lib粘到同一行了,这样到后面运行项目时候会出错。
  7)右键.cu文件(test.cu) => 属性,将项类型设置为“CUDA C/C++", 选项”从生成中排除“选择”否“。
  8)打开配置管理器,在”平台“选项中的下拉菜单中选择”新建“,然后选择”X64平台“。
  至此,平台搭建完成,可以使用代码进行测试了。
  四、运行结果
  

 

根据引用和引用的内容,安装CUDA 8.0需要下载两个安装包:CUDA Toolkit和cuDNN。首先,你需要点击下载CUDA Toolkit,并选择自定义安装选项。然后,勾选所需的四个选项并按顺序点击下一步,直到安装完成。具体的安装细节可以参考引用的博客文章中的详细教程。 另外,引用中提到的CUDA_SDK_PATH是CUDA 8.0的示例程序的安装路径,它默认安装在"C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0"文件夹中。 总结起来,安装CUDA 8.0的步骤如下: 1. 下载并安装CUDA Toolkit,选择自定义安装选项,勾选所需的选项。 2. 安装cuDNN,按照官方教程进行配置。 3. 等待安装完成,并检查CUDA SDK的安装路径。 请注意,以上是基于引用内容的回答,你可以根据这些信息来进行CUDA 8.0的安装。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Ubuntu14.04安装CUDA8.0折腾之路](https://blog.csdn.net/wukong1981/article/details/77992256)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [win下,CUDA8.0下载安装及在PyCharm中配置pycuda](https://blog.csdn.net/qq_42539958/article/details/127944663)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值