一、前言
项目中有使用到CUDA计算的相关内容。但是在早期CUDA计算环境搭建的过程中，并不是非常顺利，编写此篇文章记录下。对于刚刚开始研究的你可能会有一定的帮助。
二、环境搭建
搭建 CUDA 计算环境涉及到几个关键步骤，包括安装适当的 CUDA 驱动程序和工具包、设置开发环境和编译器，以及编写和运行 CUDA 程序。感谢Davis lee详细的介绍 CUDA安装及环境配置——最新详细版以下是一个基本的搭建过程：
步骤 1：检查硬件兼容性
首先，确保的计算机上的 GPU 支持 CUDA。可以在 NVIDIA 的官方网站上查找 GPU 的型号以确定其是否支持 CUDA。
步骤 2：安装 CUDA 驱动程序
访问 NVIDIA 的官方网站，下载并安装与你的 GPU 兼容的最新 CUDA 驱动程序。安装过程中，根据向导提示进行操作。
步骤 3：安装 CUDA 工具包
下载并安装与你的 CUDA 驱动程序版本相匹配的 CUDA 工具包。CUDA 工具包中包含了编译器、库和工具，用于开发和运行 CUDA 程序。
https://developer.nvidia.com/cuda-downloads
步骤 4：安装适当的开发环境
你可以使用多种开发环境来编写 CUDA 程序，如 NVIDIA 提供的 CUDA Toolkit 中自带的 nvcc 编译器，或者集成了 CUDA 开发支持的 IDE，如 Visual Studio（需要安装适当的 CUDA 插件）或 JetBrains 的 CLion 等。
步骤 5：设置环境变量
在你的操作系统中设置 CUDA 相关的环境变量，包括 PATH、CUDA_PATH 等，以便系统可以找到 CUDA 工具和库。
步骤 6：编写和编译 CUDA 程序
使用你选择的开发环境编写 CUDA 程序，并使用 CUDA 编译器（如 nvcc）编译程序。确保您的程序正确地链接了 CUDA 库，并且编译选项正确设置。
步骤 7：运行 CUDA 程序
将编译生成的可执行文件部署到你的计算机上，并在 CUDA 支持的环境中运行程序。你可能需要在程序运行时指定相应的 GPU 设备。
总之就是，在搭建时适配自己的电脑配置要求。做到最新即可。
三、实践编码过程
新增一个空的解决方案，我们命名为VectorProject.sln。
3.1 使用CUDA编写动态库
1、新增动态链接库 ，命名为VectorLibrary；
2、配置CUDA编译环境：
生成依赖项–>生成自定义
选择CUDA 12.3(targets,props)
这里如果不配置CUDA编译环境，会报错，无法正常编译通过的。配置完成后，可以查看项目的属性页。能看到CUDA C/C++配置部分
3、编写接口代码
这里主要定义两个向量的加法运算。
#pragma once
#include "pch.h"
#include <Windows.h>
#ifdef VECTOR_LIBRARY_EXPORTS
#define VECTOR_LIBRARY_API __declspec(dllexport)
#else
#define VECTOR_LIBRARY_API __declspec(dllimport)
#endif
BOOL VECTOR_LIBRARY_API vectorAddCPU(const float* A, const float* B, float* C, int N);
BOOL VECTOR_LIBRARY_API vectorAddGPU(const float* A, const float* B, float* C, int N);
4、编写CPU方法实现过程
// 封装CUDA函数的C++代码
#include "pch.h"
#include "vectorAdd.h"
// CPU上的向量加法函数
BOOL vectorAddCPU(const float* A, const float* B, float* C, int N)
{
for (int i = 0; i < N; ++i) {
C[i] = A[i] + B[i];
}
return true;
}
5、编写GPU方法实现过程
新增一个核函数声明文件 kernelVectorAdd.cuh
#include <iostream>
void kernelVectorAdd(const float* A, const float* B, float* C, int N);
编写核函数实现
#include <cuda_runtime.h>
#include <iostream>
#include <vector>
#include <device_launch_parameters.h>
#include "kernelVectorAdd.cuh"
// CUDA核函数：在GPU上执行的向量加法
__global__ void kernelVectorAddImp(const float* A, const float* B, float* C, int N) {
int i = blockDim.x * blockIdx.x + threadIdx.x;
if (i < N) {
C[i] = A[i] + B[i];
}
}
void kernelVectorAdd(const float* A, const float* B, float* C, int N) {
float* d_A, * d_B, * d_C;
size_t size = N * sizeof(float);
// 分配设备内存
cudaMalloc(&d_A, size);
cudaMalloc(&d_B, size);
cudaMalloc(&d_C, size);
// 将数据从主机内存复制到设备内存
cudaMemcpy(d_A, A, size, cudaMemcpyHostToDevice);
cudaMemcpy(d_B, B, size, cudaMemcpyHostToDevice);
// 执行CUDA核函数
int threadsPerBlock = 256;
int blocksPerGrid = (N + threadsPerBlock - 1) / threadsPerBlock;
kernelVectorAddImp <<<blocksPerGrid, threadsPerBlock >>> (d_A, d_B, d_C, N);
// 等待所有CUDA核函数执行完毕
cudaDeviceSynchronize();
// 将结果从设备内存复制回主机内存
cudaMemcpy(C, d_C, size, cudaMemcpyDeviceToHost);
// 释放设备内存
cudaFree(d_A);
cudaFree(d_B);
cudaFree(d_C);
}
在编写核函数调用的C++代码
// 封装CUDA函数的C++代码
#include "pch.h"
#include "kernelVectorAdd.cuh"
#include "vectorAdd.h"
BOOL vectorAddGPU(const float* A, const float* B, float* C, int N) {
kernelVectorAdd(A, B, C, N);
return true;
}
这里需要把核函数进行封装，否则会报错，相关解决办法可见 关于CUDA C 项目中“ error C2059: 语法错误:“<” ”问题的解决方法.
6、现在我们编译下项目
3.2 编写C++控制台程序
1、新增C++控制台程序，VectorCpp
2、配置VectorLibrary.dll的引用
打开属性页，找到C/C++目录，附加包含目录添加配置
$(SolutionDir)VectorLibrary;
链接器–>常规–>附加库目录
$(TargetDir);%(AdditionalLibraryDirectories)
链接器–>输入–>附加依赖项
VectorLibrary.lib;%(AdditionalDependencies)
配置完成这些，就可以对VectorLibrary.dll正常引用了。
2、编写调用代码
// CudaWrapper.cpp
#include "pch.h"
#include <iostream>
#include <random>
#include <chrono>
#include "vectorAdd.h"
// 生成随机数并填充到数组
void generateRandomNumbers(float* array, int N) {
unsigned seed = std::chrono::system_clock::now().time_since_epoch().count();
std::default_random_engine generator(seed);
std::uniform_real_distribution<float> distribution(0.0, 1.0); // 范围从0到1之间
for (int i = 0; i < N; ++i) {
array[i] = distribution(generator);
}
}
int main()
{
int N = 1000000;
float* pA = new float[N];
float* pB = new float[N];
float* pC_GPU = new float[N];
float* pC_CPU = new float[N];
// 为pA和pB生成随机数
generateRandomNumbers(pA, N);
generateRandomNumbers(pB, N);
// 测量 CPU 端向量加法函数的执行时间
auto start_cpu = std::chrono::high_resolution_clock::now();
vectorAddCPU(pA, pB, pC_CPU, N);
auto end_cpu = std::chrono::high_resolution_clock::now();
std::chrono::duration<double> elapsed_cpu = end_cpu - start_cpu;
std::cout << "CPU 端向量加法函数的执行时间: " << elapsed_cpu.count() << " 秒" << std::endl;
// 测量 GPU 端向量加法函数的执行时间
auto start_gpu = std::chrono::high_resolution_clock::now();
vectorAddGPU(pA, pB, pC_GPU, N);
auto end_gpu = std::chrono::high_resolution_clock::now();
std::chrono::duration<double> elapsed_gpu = end_gpu - start_gpu;
std::cout << "GPU 端向量加法函数的执行时间: " << elapsed_gpu.count() << " 秒" << std::endl;
// 验证结果
for (int i = 0; i < N; ++i)
{
if ((pC_CPU[i] - pC_GPU[i]) > 1e-5)
{
std::cout << "结果不匹配" << std::endl;
break;
}
}
std::cout << "结果匹配" << std::endl;
// 记得释放内存
delete[] pA;
delete[] pB;
delete[] pC_CPU;
delete[] pC_GPU;
return 0;
}
3、运行程序
完整的项目结构
运行结果
在这个示例中，成功运行得出结果。这个时候，你会发现为什么CPU的计算结果远远高于GPU。那是因为：
- 数据传输开销：在CUDA中，数据必须在主机（CPU）和设备（GPU）之间进行传输。在每次调用CUDA函数之前和之后，都需要将数据从主机内存复制到设备内存，然后将结果从设备内存复制回主机内存。这些数据传输的开销会降低CUDA的性能，特别是当数据量较大时。
- Kernel调用开销：在CUDA中，每次调用核函数都需要一定的开销，包括启动核函数、将数据传递给核函数、核函数在GPU上执行等。如果向量大小较小，核函数的启动开销可能会占据相当大的比例，从而降低CUDA的性能。
- 并行化效率不佳：在某些情况下，CUDA核函数可能无法充分利用GPU的并行计算能力。这可能是因为向量大小太小，无法充分填充GPU的计算单元，或者核函数的计算密度不够高，无法实现最大的并行化效率。
- 内存访问模式：CUDA核函数的性能受到内存访问模式的影响。如果核函数中的内存访问模式不利于GPU的缓存和内存访问优化，性能可能会受到影响。
究其根本原因就是，这个算法太简单了，CPU就可以搞定，用不上GPU。
四、总结
在这个项目中，我们主要体会框架的用法，以及CUDA计算环境搭建的。通过编码实践，构建项目成功实验了CUDA计算环境搭建，为接下来的工作准备好环境。
五、参考文档
整理：warning LNK4098: 默认库“LIBCMT”与其他库的使用冲突；请使用 /NODEFAULTLIB:library
1311
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
