CNN学习（三）----visual studio2017运行CUDA9环境搭配

最新推荐文章于 2023-11-07 00:57:21 发布

百里工人

最新推荐文章于 2023-11-07 00:57:21 发布

阅读量1.5k

点赞数 1

文章标签： windows visual studio

本文链接：https://blog.csdn.net/qq_40199447/article/details/104740203

版权

本文主要介绍windows10下，使用visual studio进行深度学习代码运算的环境搭配。
Windows10+CUDA9.0+cuDNN+visual studio2017
由于电脑实现安装好了vs2017，这里就不做介绍，一定记得安装vs2017要安装C++编译器。

一、CUDA安装

下载地址：https://developer.nvidia.com/cuda-downloads
本文下载的CUDA9.0，InstallType选择local
1.1下载后进行解压
解压目录默认即可，之后进行系统检查，若vs2017安装正确，会显示下图：
在这里插入图片描述
1.2自定义安装
勾选自己需要的。本文去掉了NVIDIA GEforce Experience

1.3选择安装位置

1.4NVIDIA安装程序失败及解决方法
本以为是电脑卡了，选择安装位置后点击下一步一直没有反应，结果是安装失败了。
在这里插入图片描述
解决方法：
查了三种解决方法，只有第三种成功了
1.4.1打开计算机管理，启动“Windows Installer"

1.4.2卸载电脑上所有的NVIDIA驱动
这里有个好用的显卡驱动卸载软件
不会使用可以参考这篇博客https://blog.csdn.net/qq_35065720/article/details/104601316
1.4.3不安装Visual Studio Integration
怎么都没想到，只要不装这个组件就能进行正常安装了，忙活了一圈。。安装完成后如下：
在这里插入图片描述
1.5添加环境变量
打开”此电脑“，右键”属性“-----”高级系统设置“-----”环境变量“-----”系统变量中“ ”新建“添加下面几个变量名变量值

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0 
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

1.6验证
使用cmd打开命令提示符，输入nvcc -V，如下及安装成功
在这里插入图片描述
1.7visual stdio integration安装
前面安装cuda的时候并没有安装，这时候进行安装。
1.7.1 首先NVIDIA安装程序不能关闭，如果关闭了，重新解压压缩包，打开解压目录，如果默认的话，路径如下：

C:\Users\用户名\AppData\Local\Temp\CUDA\CUDAVisualStudioIntegration\extras\visual_studio_integration\MSBuildExtensions

将MSBuildExtensions底下四个文件进行复制
在这里插入图片描述
打开自己vs的安装目录，我的安装目录如下：
C:\Program Files (x86)\Vision\Common7\IDE\VC\VCTargets\BuildCustomizations
将复制的四个文件在BuildCustomizations底下黏贴。
1.7.2 CudaProjectVsWizards
同样是未关闭安装程序时，将C:\Users\JJChen\AppData\Local\Temp\CUDA\CUDAVisualStudioIntegration\extras\visual_studio_integration底下的CudaProjectVsWizards复制到C:\Program Files (x86)\Vision\Common7\IDE\Extensions底下。
使用管理员身份打开cmd，进入到C:\Program Files (x86)\Vision\Common7\IDE底下，输入devenv /setup。

二、cuDNN的安装

下载地址：https://developer.nvidia.com/rdp/cudnn-archive
将解压后cuDNN文件夹中的bin、lib和include的文件复制到CUDA底下，本文路径如下，之后就完成cuDNN的安装
在这里插入图片描述

三、vs2017测试运行

打开vs2017，新建项目，如下图左下方出现cuda模板，cudn安装成功。
在这里插入图片描述
4.1源文件添加cudn模板
右键源文件文件夹->新建项->选择 CUDA C/C++file->新建一个以.cu结尾的文件cudamain

4.2自定义生成
选择cudamain，点击右键–>项目依赖项–>自定义生成
4.3环境搭建
4.3.1右键test.cu->属性->配置属性–>常规–>项类型–>选择“CUDA C/C++”
在这里插入图片描述
4.3.2包含目录配置
右键点击项目属性–>属性–>配置属性–>VC++目录–>包含目录，添加：
$(CUDA_PATH)\include
4.3.3库目录配置
VC++目录–>库目录，添加
$(CUDA_PATH)\lib\x64
C:\opencv3.4.5\opencv\build\x64\vc14\lib(本文测试代码用到了opencv，不用opencv可以不添加本行)

在这里插入图片描述
4.3.4附加依赖项
右键工程->属性->链接器->–>输入–>附加依赖项

opencv_world345d.lib（不用opencv可以不加）
cublas.lib
cuda.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
nvcuvid.lib
OpenCL.lib

在这里插入图片描述
4.4测试样例

// CUDA runtime 库 + CUBLAS 库 
#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 // 
    );
// 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;
}

正常运行结果如下，vs2017+cudnn安装成功
在这里插入图片描述
4.5遇到的问题
4.5.1问题一
运行测试代码，出现下面错误：

错误	
MSB3721	命令“"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin\nvcc.exe" -gencode=arch=compute_30,code=\"sm_30,compute_30\" --use-local-env --cl-version 2017 -ccbin "C:\Program Files (x86)\Vision\VC\Tools\MSVC\14.14.26428\bin\HostX86\x86" -x cu  -I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include" -I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include"  -G   --keep-dir Debug -maxrregcount=0  --machine 32 --compile -cudart static  -g   -DWIN32 -D_DEBUG -D_CONSOLE -D_UNICODE -DUNICODE -Xcompiler "/EHsc /W3 /nologo /Od /FS /Zi /RTC1 /MDd " -o Debug\cudamain.cu.obj "C:\Users\JJChen\source\repos\cudatext\cudatext\cudamain.cu"”已退出，返回代码为 1。	cudatext	C:\Program Files (x86)\Vision\Common7\IDE\VC\VCTargets\BuildCustomizations\CUDA 9.0.targets	707

在这里插入图片描述
解决方法
网上搜了一下，有人表示vs2017的C++编译与CUDA不搭配，之好再尝试安装个2015的C++编译。打开visual studio installer，修改安装即可。之后打开项目属性页，修改平台工具集：

X86改为x64

4.5.2问题二
MSB4019 未找到导入的项目“C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V140\BuildCustomizations\CUDA 9.0.targets”。

在这里插入图片描述
解决方法：
在CUDA安装包中，将"CUDAVisualStudioIntegration\extras\visual_studio_integration\MSBuildExtensions"下的文件直接拷贝到“C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V140\BuildCustomizations”文件夹中。
此时可正常编译。

参考博客
https://blog.csdn.net/sinat_23619409/article/details/84202651
https://blog.csdn.net/qq_35065720/article/details/104601316

window10下CUDA9安装和vs2015配置
 CUDA 8.0 + VS2013 + win7 x64开发环境搭建
 VS2017 running a CUDA sample reports errors : C1189 & MSB372

百里工人

关注

1
点赞
踩
9

收藏

觉得还不错? 一键收藏
5
评论
CNN学习（三）----visual studio2017运行CUDA9环境搭配

本文主要介绍windows10下，使用matlab进行深度学习代码运算的环境搭配。Windows10+matlab2018a+CUDA9.0+cuDNN+visual studio2017由于电脑实现安装好了vs2017，这里就不做介绍，一定记得安装vs2017要安装C++编译器。一、CUDA安装下载地址：https://developer.nvidia.com/cuda-download...
复制链接

扫一扫