1、安装好VS2017
下载链接如下:
VS2017下载链接
安装的时候组件的选择
只需要选择最基本的C/C++开发即可,我选择了下面三个
安装位置记得修改一下,不然全都默认安到系统盘里面去了哈!,安装位置的文件夹名修改的规范点,以后如果要添加环境变量什么的自己也好找,对于文件夹的命名不要出现中文!
之后等待安装即可
安装完成后,可通过创建一个c++程序,运行一下测试结果对不对,步骤如下:
测试代码:
#include <iostream>
int main()
{
std::cout << "Hello World!\n";
}
进行运行从而试验是否安装成功,成功后再进行CUDA 的安装!!!!
2、CUDA安装
2.1、CUDA下载
CUDA下载链接
这里我选择的版本是10.1,可以根据不同的需要下载不同的版本(建议跟着本文档操作),具体的下载选择如下:
2.2、CUDA安装
2.2.1、双击下载的.exe文件安装
2.2.2 、点击‘OK’
建议不修改位置,在之后的安装过程中不要修改位置,默认下一步即可,因为后面有很多环境需要配置,以防弄错!!
2.2.3、 上一步解压完成后,会自动跳到下图
等待安装完成
2.3、CUDA环境配置
2.3.1、 右击此电脑→属性→高级系统设置→环境变量
2.3.2、 系统变量里添加:
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
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
注意:CUDA _PATH与CUDA _PATH_V10_1是CUDA安装时自动添加的;
CUDA _PATH_V10_1中的10_1是你安装CUDA的版本号
一定要检查不能有多余的空格
2.3.3、 添加以下到系统变量path中,添加完点确定
%CUDA_LIB_PATH%
%CUDA_BIN_PAHT%
%CUDA_SDK_BIN_PAHT%
%CUDA_SDK_LIB_PATH%
2.3.4 、重启电脑
然后打开cmd,输入: set cuda 即可看到下图
2.3.5 检查cuda是否安装好,
打开cmd,
2.3.5.1 输入:cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite
输入之后,注意是否为自己安装的目录,然后按‘Enter’键
2.3.5.2 找到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite目录下的deviceQuery.exe,在cmd里输入:deviceQuery.exe
最终如果得到以下结果,则说明没错,已经安装好了,若Result=Fail重装或更换cuda版本吧。
2.3.5.3 找到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite目录下的bandwidthTest.exe,在cmd里输入:bandwidthTest.exe
得到以上结果说明正确!!
3、CUDA配置VS2017
3.1 、打开VS2017新建工程
3.2 、右击源文件→添加→新建项→CUDA C/C++ File;创建一个.cu文件
3.3 、右击项目名称test_cuda→生成依赖项→生成自定义,→选择CUDA10.1→确定
3.4、 右击cuda_test.cu文件→属性→配置属性→常规→项类型→CUDA C/C++
3.5 、右击test_cuda→属性
3.5.1→VC++目录。
在包含目录中添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include;在库目录中添加 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64。
注意:要根据自己的CUDA安装添加正确的目录
3.5.2 →链接器→输入→附加依赖项。
在附加依赖项中添加相应的.lib文件名称
我这里把所有的lib全加上了!
cublasLt.lib
cuda.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
cufft.lib
cufftw.lib
curand.lib
cusolver.lib
cusparse.lib
nppc.lib
nppial.lib
nppicc.lib
nppicom.lib
nppidei.lib
nppif.lib
nppig.lib
nppim.lib
nppist.lib
nppisu.lib
nppitc.lib
npps.lib
nvblas.lib
nvgraph.lib
nvml.lib
nvrtc.lib
OpenCL.lib
3.6、 配置成功后,
这里附带一个测试程序:
// 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 // 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;
}
还有一点,运行代码时,注意选择对位数:
最后的运行结果为:
至此,CUDA环境和VS2017已经完全配置好了,可以写GPU程序了!!