使用WSL+vscode调用cublas库实现矩阵乘法，并计算所需时间

1.安装vscode配置c/c++环境

参考教程：Visual Studio Code安装配置C/C++教程，VSCode调试教程，VSCode安装使用教程，VSCode配置c/c++_哔哩哔哩_bilibili

两个相关json文件：

launch.json：

{
    // 使用 IntelliSense 了解相关属性。 
    // 悬停以查看现有属性的描述。
    // 欲了解更多信息，请访问: https://go.microsoft.com/fwlink/?linkid=830387
    "version": "0.2.0",
    "configurations": [
        {
            "name": "(gdb) 启动",
            "type": "cppdbg",
            "request": "launch",
            "program": "${fileDirname}\\${fileBasenameNoExtension}.exe",
            "args": [],
            "stopAtEntry": false,
            "cwd": "${fileDirname}",
            "environment": [],
            "externalConsole": false,
            "MIMode": "gdb",
            "miDebuggerPath": "E:\\mingw64\\bin\\gdb.exe",
            "setupCommands": [
                {
                    "description": "为 gdb 启用整齐打印",
                    "text": "-enable-pretty-printing",
                    "ignoreFailures": true
                },
                {
                    "description": "将反汇编风格设置为 Intel",
                    "text": "-gdb-set disassembly-flavor intel",
                    "ignoreFailures": true
                }
            ],
            "preLaunchTask": "C/C++: gcc.exe 生成活动文件"
        }

    ]
}

tasks.json：

{
    "tasks": [
        {
            "type": "cppbuild",
            "label": "C/C++: gcc.exe 生成活动文件",
            "command": "E:\\mingw64\\bin\\gcc.exe",
            "args": [
                "-fdiagnostics-color=always",
                "-g",
                "${fileDirname}\\*.c",
                "-o",
                "${fileDirname}\\${fileBasenameNoExtension}.exe"
            ],
            "options": {
                "cwd": "${fileDirname}"
            },
            "problemMatcher": [
                "$gcc"
            ],
            "group": {
                "kind": "build",
                "isDefault": true
            },
            "detail": "调试器生成的任务。"
        }
    ],
    "version": "2.0.0"
}

2.在WSL中安装cuda 

1.打开wsl（我这里的是ubuntu），在底部搜索栏搜索ubuntu，单击打开

2.进入cuda官网，找到要安装的cuda版本

CUDA Toolkit 12.4 Update 1 Downloads | NVIDIA Developer

3.按照如下设置，并依次执行红框中的指令

4.安装nano编辑器

 sudo apt-get install nano

5.输入如下指令进入环境配置界面

nano .bashrc

 

6.按下箭头到最底，添加下述代码，版本根据你安装的版本进行修改，然后CTRL+X退出，按Y保存，默认名称，回车

# config cuda
export LD_LABRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-12.4/lib64
export PATH=$PATH:/usr/local/cuda-12.4/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-12.4
export PATH=/usr/local/cuda/bin:$PATH

 7.然后输入下述指令，执行修改

 source ~/.bashrc

 8.输入nvcc -V或者nvidia-smi，检查是否配置完成，若出现如下返回，则成功

3.打开vscode创建并运行程序

1.在你的linux子系统下的用户主文件夹中创建一个code文件夹用于存放你的代码

2.在你的ubuntu终端输入code打开vscode

3.将文件夹添加到工作区

4.打开文件夹，创建新文件matrix_multi.cu并粘贴如下代码

#include <stdio.h>
#include <cuda_runtime.h>
#include <cublas_v2.h>

#define N 10240  // 矩阵大小

int main() {
    cublasHandle_t handle;

    float *a, *b, *c;  // 声明设备上的矩阵指针
    float *a_host, *b_host, *c_host;  // 声明主机上的矩阵指针
    int i, j;
    size_t size = N * N * sizeof(float);

    // 分配主机和设备内存
    a_host = (float*)malloc(size);
    b_host = (float*)malloc(size);
    c_host = (float*)malloc(size);
    cudaMalloc((void**)&a, size);
    cudaMalloc((void**)&b, size);
    cudaMalloc((void**)&c, size);

    // 初始化矩阵数据
    for(i = 0; i < N; i++) {
        for(j = 0; j < N; j++) {
            a_host[i*N + j] = 0.01f * j;
            b_host[i*N + j] = 0.02f * j;
        }
    }

    // 将数据从主机复制到设备
    cudaMemcpy(a, a_host, size, cudaMemcpyHostToDevice);
    cudaMemcpy(b, b_host, size, cudaMemcpyHostToDevice);

    // 初始化 cuBLAS 上下文
    cublasCreate(&handle);

    float alpha = 1.0f;
    float beta = 0.0f;

    // 创建事件以记录时间
    cudaEvent_t start, stop;
    cudaEventCreate(&start);
    cudaEventCreate(&stop);

    // 开始计时
    cudaEventRecord(start, 0);

    // 执行矩阵乘法
    cublasSgemm(handle, CUBLAS_OP_N, CUBLAS_OP_N, N, N, N, &alpha, a, N, b, N, &beta, c, N);

    // 停止计时
    cudaEventRecord(stop, 0);
    cudaEventSynchronize(stop);

    float milliseconds = 0;
    cudaEventElapsedTime(&milliseconds, start, stop);

    printf("Time used: %f milliseconds\n", milliseconds);

    // 清理
    cudaFree(a);
    cudaFree(b);
    cudaFree(c);
    free(a_host);
    free(b_host);
    free(c_host);
    cublasDestroy(handle);

    return 0;
}

5.输入如下指令编译并运行，即可得到结果（实现两个10240x10240的浮点数矩阵相乘所需的时间）

nvcc matrix_multi.cu -o matrix_multi -lcublas

./matrix_multi