关键词：visual studio 2017、python转c++、cuda编程、opencl编程、生成dll等

背景描述

轮胎磨耗算法是用python写的，其中调用了外部显卡及cpu显卡，对应cuda编程及opencl编程。但是整个测试系统软件是找人做的，用c开发的，为了保持系统的统一性，由我来把python转成c++，转换期间遇到了不少问题，也都一一解决了，最后结果一致，生成了dll。

遇到的问题及解决办法

1、python的numpy库转到c++

用python写各种矩阵算法那是简单的很，但是转到c++就不好弄了，没有numpy里面的各种函数，如果每个都自己写那就麻烦的很，从网上找了一个叫numcpp的c++库，号称是c++里的numpy，里面有一些自带的函数与numpy的确相似，不过这个库只支持到二维矩阵，只好用了部分函数（reshape、tile、arange函数等），同时opencv里面也有一些矩阵操作函数，也用了一部分（pad函数等），向量操作为了方便用了c自带的vector、list等。
其中numcpp的索引如果用中括号[]，那么索引是所有矩阵从前向后的，比如有一个两行两列的矩阵a，那么a[0]、a[1]、a[2]、a[3]是对矩阵a的四个元素的依次索引，如果对定向的行列索引，要用小括号，a(1,0)即是对第2行第1列的元素进行索引。
numcpp里面的元素必须是基本的c/c++数据类型，比如int、float等，定义为nc::NdArray，不能是vector、list等扩展类型，这个就比较坑了，而vector里面是可以放vector甚至是opencv的mat数据的，这个就非常好用。
感谢《C++用vector生成三维数组，并计算行、列、高》作者https://blog.csdn.net/sinich__eveen/article/details/86561698
附numcpp地址：
地址 https://github.com/dpilger26/NumCpp
文档地址 https://dpilger26.github.io/NumCpp/doxygen/html/index.html

2、cuda编程问题

c/c++的cuda编程之前没有接触过，通过这次转换，对cuda编程也有了一些了解，cuda编程问题也是本次转换遇到的最多的问题。对cuda编程了解可以看一看这两个博客：
https://blog.csdn.net/xiaohu2022/article/details/79599947
https://www.cnblogs.com/skyfsm/p/9673960.html
可以有个基本的认识。
遇到的问题有：

① __constant__常量的处理

在cuda编程中，如果是一些一般变量，要先通过申请一个指针变量，然后用cudaMalloc函数在device（GPU）上申请一个固定大小的空间，然后用cudaMemcpy把数据写入这个空间上，而__constant__变量不再需要申请空间，因为__constant__变量本身就是定义在device上的变量，而且要在定义的时候声明空间大小，比如__constant__ a[100]，__constant__变量在传数据的时候只需用cudaMemcpyToSymbol函数即可，但是要注意__constant__变量最好和调用它的在device上运行的函数（一般是__globle__函数）在同一个文件里，否则需要在另外文件里用extern。因为.cu的文件不能用#include进行引入，需要用extern，包括函数、变量都是这样。
另外上面文章也有写，在cuda6.0以后引入了统一内存，这样就不用手动进行Memcpy了，统一内存使用一个托管内存来共同管理host和device中的内存，并且自动在host和device中进行数据传输。CUDA中使用cudaMallocManaged函数分配托管内存：
cudaError_t cudaMallocManaged(void **devPtr, size_t size, unsigned int flag=0);
值得注意的是kernel执行是与host异步的，由于托管内存自动进行数据传输，这里要用cudaDeviceSynchronize()函数保证device和host同步，这样后面才可以正确访问kernel计算的结果。

②__globle__函数调用

__globle__函数一定要在.cu文件里调用，也就是说要在cuda c++编译器里调用，右键源文件查看编译器是cuda c/c++才行，调用函数的时候已如下格式调用：
cuda_work<<<grid, block >>>(a,b,c）
其中grid、block是dim3类型的cuda线程操作层次结构。这里有个坑，一开始我在分配时用的grid(54, 32), block(32, 32)，block代表每个block里的线程数是3232=1024个，grid代表block的排布是5432=1728的矩阵，这个地方我的MAX_REGISTERS_PRE_BLOCK的寄存器数量是65536个，所以能够满足，但是一开始怎么都运行不出数据，最后发现是寄存器没有分配，这时候要右键.cu文件选择属性，在Device里设定Max Used Register的值为64，因为我的是323264 = 65536，而默认值是0，肯定是不行的。这里感谢https://www.jianshu.com/p/8440d7d7b9c6文章作者
在运行完__globle__函数后最好读取一下运行一下cudaStatus = cudaGetLastError()来看看是否有错误，前面说的cudaMalloc、cudaMemcpy函数返回值也都是cudaError_t类型的变量，通过这个变量值可以查看是否有错误输出，以及错误输出的类型。

3、cuda写成的类封装成dll

用cuda写成的类或函数是.cu的文件，封装成dll与普通的cpp文件也没有什么不同，所以用这篇文章的方法即可实现，感谢作者（在2楼）：
https://bbs.csdn.net/topics/300123936
https://blog.csdn.net/qq_37902078/article/details/80144696