如何在VS 2012开发平台中搭建CUDA开发环境以及opencv的配置方法

当前配置：

　　　　系统：WIN7 64位

　　　　开发平台：VS 2012

　　　　显卡：英伟达G卡

　　　　CUDA版本：6.0




第一步：下载 cuda_6.0


第二步：运行安装程序，弹出安装过程中转文件路径设定框，这个路径随便填无所谓，安装完后就会自动删除的。


第三步：等待系统帮你检测当前平台是否适合搭建CUDA。


第四步：检测完毕后，正式进入CUDA安装界面，同意并继续。


第五步：然后选择安装模式，为了完全安装所有功能，选择自定义模式安装。


第六步：接下来勾选要安装的组件，全部勾上。


第七步：接下来要设置三个安装路径，直接安装到默认路径。点击下一步之后开始正式安装。


第八步：安装完毕后，可以看到系统中多了CUDA_PATH和CUDA_PATH_V6_0两个环境变量，接下来，还要在系统中添加以下几个环境变量：


　　CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0


　　CUDA_LIB_PATH = %CUDA_PATH%\lib\x64


　　CUDA_BIN_PATH = %CUDA_PATH%\bin


　　CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\x64


　　CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64


    环境变量最后一步：在path的末尾加


    ;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_BIN_PATH%;%CUDA_SDK_LIB_PATH%




第十步：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\v6.0\include


   C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0\common\inc


再添加以下两个库目录：


   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.0\lib\x64


   C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0\common\lib\x64


第十一步：右键项目->属性->配置属性->连接器->常规->附加库目录，添加以下目录：


   $(CUDA_PATH_V6_0)\lib\$(Platform)


第十二步：右键项目->属性->配置属性->连接器->输入->附加依赖项，添加以下库：


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
nvcuvenc.lib
nvcuvid.lib
OpenCL.lib


右键项目 -> 属性，如下图所示：将项类型设置为 CUDA C/C++：




测试程序


 #include "cuda_runtime.h"
 #include "cublas_v2.h"
 
 #include <time.h>
 #include <iostream>
 
 using namespace std;
 
 // 定义测试矩阵的维度
 int const M = 5;
 int const N = 10;


 int main() 
 {   
    // 定义状态变量
     cublasStatus_t status;
 
    // 在 内存 中为将要计算的矩阵开辟空间
     float *h_A = (float*)malloc (N*M*sizeof(float));
    float *h_B = (float*)malloc (N*M*sizeof(float));
     
     // 在 内存 中为将要存放运算结果的矩阵开辟空间
    float *h_C = (float*)malloc (M*M*sizeof(float));
 
     // 为待运算矩阵的元素赋予 0-10 范围内的随机数
     for (int i=0; i<N*M; i++) {
         h_A[i] = (float)(rand()%10+1);
        h_B[i] = (float)(rand()%10+1);
    
     }
    
    // 打印待测试的矩阵
    cout << "矩阵 A :" << endl;
    for (int i=0; i<N*M; i++){
        cout << h_A[i] << " ";
        if ((i+1)%N == 0) cout << endl;
    }
     cout << endl;
    cout << "矩阵 B :" << endl;
     for (int i=0; i<N*M; i++){
        cout << h_B[i] << " ";
        if ((i+1)%M == 0) cout << endl;
     }
     cout << endl;
    
     /*
    ** GPU 计算矩阵相乘
     */
 
     // 创建并初始化 CUBLAS 库对象
    cublasHandle_t handle;
    status = cublasCreate(&handle);
    
     if (status != CUBLAS_STATUS_SUCCESS)
    {
        if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
            cout << "CUBLAS 对象实例化出错" << endl;
        }
        getchar ();
         return EXIT_FAILURE;
     }


    float *d_A, *d_B, *d_C;
     // 在 显存 中为将要计算的矩阵开辟空间
    cudaMalloc (
         (void**)&d_A,    // 指向开辟的空间的指针
        N*M * sizeof(float)    //　需要开辟空间的字节数
    );
    cudaMalloc (
         (void**)&d_B,    
         N*M * sizeof(float)    
    );
 
     // 在 显存 中为将要存放运算结果的矩阵开辟空间
    cudaMalloc (
        (void**)&d_C,
        M*M * sizeof(float)    
     );


     // 将矩阵数据传递进 显存 中已经开辟好了的空间
     cublasSetVector (
         N*M,    // 要存入显存的元素个数
        sizeof(float),    // 每个元素大小
        h_A,    // 主机端起始地址
         1,    // 连续元素之间的存储间隔
         d_A,    // GPU 端起始地址
        1    // 连续元素之间的存储间隔
    );
     cublasSetVector (
         N*M, 
         sizeof(float), 
        h_B, 
         1, 
         d_B, 
        1
     );


     // 同步函数
     cudaThreadSynchronize();


     // 传递进矩阵相乘函数中的参数，具体含义请参考函数手册。
     float a=1; float b=0;
     // 矩阵相乘。该函数必然将数组解析成列优先数组
     cublasSgemm (
         handle,    // blas 库对象 
         CUBLAS_OP_T,    // 矩阵 A 属性参数
         CUBLAS_OP_T,    // 矩阵 B 属性参数
         M,    // A, C 的行数 
         M,    // B, C 的列数
         N,    // A 的列数和 B 的行数
         &a,    // 运算式的 α 值
         d_A,    // A 在显存中的地址
        N,    // lda
        d_B,    // B 在显存中的地址
         M,    // ldb
        &b,    // 运算式的 β 值
         d_C,    // C 在显存中的地址(结果矩阵)
         M    // ldc
     );
     
    // 同步函数
    cudaThreadSynchronize();


     // 从 显存 中取出运算结果至 内存中去
     cublasGetVector (
         M*M,    //  要取出元素的个数
        sizeof(float),    // 每个元素大小
        d_C,    // GPU 端起始地址
         1,    // 连续元素之间的存储间隔
        h_C,    // 主机端起始地址
        1    // 连续元素之间的存储间隔
      );
     
     // 打印运算结果
    cout << "计算结果的转置 ( (A*B)的转置 )：" << endl;
 
     for (int i=0;i<M*M; i++){
             cout << h_C[i] << " ";
            if ((i+1)%M == 0) cout << endl;
     }
    
    // 清理掉使用过的内存
     free (h_A);
    free (h_B);
     free (h_C);
     cudaFree (d_A);
     cudaFree (d_B);
    cudaFree (d_C);


     // 释放 CUBLAS 库对象
     cublasDestroy (handle);
 
     getchar();
     
     return 0;
 }










opencv2.44在vs2010下的配置




用户变量
path=D:\opencv\build\x64\vc10\bin
opencv=D:\opencv\build


系统变量
path=D:\opencv\build\x64\vc10\bin


VC++目录中
1)可执行文件目录=D:\opencv\build\x64\vc10\bin


2，包含目录
D:\opencv\build\include
D:\opencv\build\include\opencv
D:\opencv\build\include\opencv2


3，库目录
D:\opencv\build\x64\vc10\lib


4、附加依赖项
单击“链接器”→“输入”→“附加依赖项”，


opencv_calib3d244d.lib
opencv_contrib244d.lib
opencv_core244d.lib
opencv_features2d244d.lib
opencv_flann244d.lib
opencv_gpu244d.lib
opencv_highgui244d.lib
opencv_imgproc244d.lib
opencv_legacy244d.lib
opencv_ml244d.lib
opencv_nonfree244d.lib
opencv_objdetect244d.lib
opencv_photo244d.lib
opencv_stitching244d.lib
opencv_ts244d.lib
opencv_video244d.lib
opencv_videostab244d.lib


opencv_calib3d244.lib
opencv_contrib244.lib
opencv_core244.lib
opencv_features2d244.lib
opencv_flann244.lib
opencv_gpu244.lib
opencv_highgui244.lib
opencv_imgproc244.lib
opencv_legacy244.lib
opencv_ml244.lib
opencv_nonfree244.lib
opencv_objdetect244.lib
opencv_photo244.lib
opencv_stitching244.lib
opencv_ts244.lib
opencv_video244.lib
opencv_videostab244.lib