VS2017和CUDA配置详细步骤

苏流瑾要努力变强

已于 2022-01-21 16:30:35 修改

阅读量6.2k

点赞数 19

分类专栏： GPU学习文章标签： visual studio c++ vscode cuda visualstudio

于 2022-01-11 11:03:02 首次发布

本文链接：https://blog.csdn.net/qq_45812934/article/details/122425939

版权

GPU学习专栏收录该内容

1 篇文章 0 订阅

订阅专栏

1、安装好VS2017

下载链接如下：
VS2017下载链接
选择社区版，是免费的
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
在这里插入图片描述

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
在这里插入图片描述
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！！！！
在这里插入图片描述

2、CUDA安装

2.1、CUDA下载

CUDA下载链接
在这里插入图片描述
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

在这里插入图片描述

2.2.2 、点击‘OK’

在这里插入图片描述
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

在这里插入图片描述

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

在这里插入图片描述

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
在这里插入图片描述

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%

在这里插入图片描述

2.3.4 、重启电脑

然后打开cmd，输入: set cuda 即可看到下图
在这里插入图片描述

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
在这里插入图片描述

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

在这里插入图片描述
得到以上结果说明正确！！

3、CUDA配置VS2017

3.1 、打开VS2017新建工程

在这里插入图片描述

3.2 、右击源文件→添加→新建项→CUDA C/C++ File；创建一个.cu文件

在这里插入图片描述

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

在这里插入图片描述

3.4、右击cuda_test.cu文件→属性→配置属性→常规→项类型→CUDA C/C++

在这里插入图片描述

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
在这里插入图片描述

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
在这里插入图片描述
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

在这里插入图片描述

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：
在这里插入图片描述
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！！

苏流瑾要努力变强

关注

19
点赞
踩
96

收藏

觉得还不错? 一键收藏
6
评论
VS2017和CUDA配置详细步骤

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
复制链接

扫一扫