win32+vs2005以上+cuda开发环境搭建

大家好,第一次写csdn博客,大家多多关照!
要做cuda开发,必须要有nvidia显卡,这是先决条件。
然后在官网依次下载安装如下程序(https://developer.nvidia.com/cuda-toolkit-31-downloads 下半部分网页)
1、安装driver
2、安装toolkits  (支持程序运行bin, include,lib   在环境变量里配CUDA_BIN_PATH CUDA_INC_PATH CUDA_LIB_PATH)
3、安装cuda sdk  (源程序,bin目录)

网上这个教程对我很有帮助:
装CUDA前,必须确认以下软件或者硬件已安装:


windows XP及以上操作系统
VS2005及以上版本
支持CUDA的Geforce 8x/9x/1xx/2xx/3xx/4xx系列显卡,或MCP7x,ION芯片组

安装步骤为:
       1.获取最新版本的driver, CUDA toolkit, CUDA SDK。无论显卡的CUDA计算能力如何,始终应该使用最新版本的驱动和开发工具。driver 和toolkit/SDK的版本应该与操作系统匹配。
        2. 依次安装driver, toolkit 及SDK。安装完毕后进入SDK目录下的C/bin子目录下,根据操作系统不同进入Win32/release或者Win64/Release目录下,运行devicequery.exe,确认平台上的所有支持CUDA设备已被识别,信息正确无误。然后运行MatrixMul.exe确认显卡能够分配显存并调用kernel进行计算。 
         3.配置生成规则。 将SDK目录下C/common目录下的cuda,rules拷贝到VS安装目录下的VC\VCProjectDefaults子目录下。建立一个Win32工程,并在项目上右击,选择custombuildrules,在CUDA build rule前打勾。在工程中新建一个.cu文件,右击属性后查看自定义生成规则是否已经是CUDA build rule。
         4. 添加语法高亮。关闭VS, 将SDK目录下C\doc\syntax_highlighting\visual_studio_8子目录下的usertype.dat拷贝到Microsoft Visual Studio目录的\Common7\IDE子目录下。如果usertype.dat已经存在,则将其中的内容添加到已有文件中。打开visual  stuido,选择Tools->Options...中的text eidtor下的file extension,添加.cu,并将其编辑器设为Microsoft Visual C++,选择“add”后点"OK",然后打开一个.cu文件,检查关键字是否已经高亮显示。


有时环境变量要自己配好。

我安装好后,用vs2005运行.cu程序,不能编译,说是nvcc.exe版本支持vs2008及以上版本,我换成vs2008才编译成功。

如果按如上步骤还是不能编译通过,一定是环境变量没配置好,大家一定要耐心配置噢!





(注意,cuda_lib_path 最好到lib为止,不要到/lib/win32,因为sdk里面自带的工程配置文件里写的lib路径是 $(CUDA_LIB_PATH)/../lib  自己写的工程注意这些小细节就可以了。)
        以后有什么环境搭建问题我会在这里汇总的。

 

1、debug不能执行,release可以执行的解决方法

http://www.cnblogs.com/kyleada/archive/2011/08/11/2135352.html

(1)改成MTD  我就改了这么一个地方,如果还有如下问题,则是网上的解决方法:

但现在编译会提示:

  1>c:\program files\microsoft visual studio 9.0\vc\atlmfc\include\afxver_.h(81) : fatal error C1189: #error : Please use the /MD switch for _AFXDLL builds
(2)改用静态库,同时MTD。编译运行通过:

  _AFXDLL tells the compiler to use the DLL version of the MFC libraries. But when you do this you must also use the DLL version of the CRT libraries (/MD compiler option).

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: OpenCV是一个开源的计算机视觉和机器学习库,可以方便地处理图像和视频。而CUDA(Compute Unified Device Architecture)是由NVIDIA开发的一种并行计算架构,可以加速图形处理器(GPU)上的计算任务。 OpenCV 4.5.1是OpenCV的一个版本,它提供了丰富的功能和算法,用于图像和视频处理、特征提取、目标检测等任务。这个版本可以在Windows 10操作系统上使用,并且可以与Visual Studio 2017集成,提供开发环境和调试工具。 CUDA 10.0是NVIDIA的一个版本,它支持NVIDIA GPU上的并行计算任务。它允许开发人员使用C语言、C++或CUDA自己的扩展语言编写并行计算代码,以加速计算密集型任务。例如,在图像处理中,可以使用CUDA加速OpenCV算法,从而提高计算性能。 而cuDNN(CUDA Deep Neural Network library)是NVIDIA专门为深度学习任务开发的一个库。它提供了一组高性能的深度神经网络的基本操作和优化算法,可以与CUDA和OpenCV结合使用。 综上所述,OpenCV 4.5.1可以与CUDA 10.0和cuDNN 7.6.0集成使用。开发者可以在Visual Studio 2017中使用这些工具和库进行图像处理和机器学习任务的开发和优化。通过使用CUDA加速,可以提高计算性能,而cuDNN可以提供深度学习任务所需的算法和操作。 ### 回答2: OpenCV 4.5.1是一个计算机视觉库,用于在计算机视觉和机器学习项目中进行图像和视频处理。VS2017是一个集成开发环境(IDE),用于Windows操作系统上的软件开发CUDA(Compute Unified Device Architecture)是一个用于GPU计算的并行计算平台和API模型。CUDNN是NVIDIA深度神经网络库,用于在GPU上加速深度学习任务。 在Windows 10上使用VS2017来编译OpenCV 4.5.1,并在CUDA 10.0和CUDNN 7.6.0的支持下进行构建可以提供更好的计算性能和加速。CUDA 10.0提供了与CUDA架构和驱动程序的兼容性,并支持许多NVIDIA GPU。CUDNN 7.6.0是基于CUDA的深度神经网络库,可以加速深度学习任务的训练和推理。 使用VS2017编译OpenCV可以让开发者方便地在Windows平台上进行开发和调试。VS2017提供了强大的集成开发环境,它可以帮助开发者编写、调试和测试程序。通过配置CUDA 10.0和CUDNN 7.6.0来支持OpenCV的GPU加速,可以进一步提高图像和视频处理的速度和效率。 总结来说,使用OpenCV 4.5.1、VS2017、Windows 10、CUDA 10.0和CUDNN 7.6.0可以实现在Windows平台上的高效计算机视觉和机器学习开发。这种配置可以提供更好的性能和加速,特别是在需要处理大量图像和视频、进行深度学习任务的情况下。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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

打赏作者

遇镜

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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