vs2019+QT项目中使用CUDA加速（目前vs2019最详细教程，包括环境配置，以及测试方法

最新推荐文章于 2024-04-21 12:08:44 发布
最新推荐文章于 2024-04-21 12:08:44 发布
阅读量5k 收藏 77
点赞数 8
文章标签： c++ qt dll cuda
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sqdlmm/article/details/104728915
版权

vs2019+QT项目中使用CUDA加速（目前vs2019最详细教程，包括环境配置，以及测试方法）

为了实现该功能，我看了很多的大佬的博客，受益良多，但因为大多都是前几年的版本，出现了不少的偏差，因此我的这篇博客属于杂交品种，但经测试，在vs2019中，可以很好地运行。大佬的博客我就不一一给链接了，但还是十分感谢。

文章目录

思路

可行方案主要有两种，一是创建VS+QT项目文件，并在该项目中创建cu文件，编写cuda函数，并于调用；二是创建DLL项目（动态链接库），在DLL程序中将cuda程序封装好，生成对应的dll文件和lib文件，并将其导入QT项目中，完成cuda函数的调用。

方案一：直接在QT项目中创建cuda函数

1.点击创建新项目。
在这里插入图片描述
2.选择Qt Gui Application，并点击下一步。
在这里插入图片描述
3.可以根据个人习惯选择名称与保存地址。
在这里插入图片描述
4.接下里一直点击next-》next-》finish，至此，vs中的QT项目创建成功。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
5.在资源文件（source files）中添加新建项
在这里插入图片描述
6.创建CUDA C/C++ File，并命名为cudatest.cu
在这里插入图片描述
7.环境配置
（1）右键工程文件-》生成依赖项-》生成自定义，然后勾选CUDA。

在这里插入图片描述
（2）右键.cu文件-》属性，然后将项类型改为CUDA C/C++
在这里插入图片描述
（3）右键工程文件-》属性-》连接器-》输入，然后添加附加依赖项
在这里插入图片描述
（4）工具-》选项-》文本编辑器-》文件拓展名，然后添加拓展名
在这里插入图片描述

8.cudatest.cu的代码如下，要想在C++文件中使用cuda的函数就必须使用extern“C”來声明，详细的可以研究一下函数。

#include "cuda_runtime.h"
#include "device_launch_parameters.h"
//#include <stdio.h>
__global__ void addKernel(int* c, const int* a, const int* b)
{
	int i = threadIdx.x;
	c[i] = a[i] + b[i];
}
// Helper function for using CUDA to add vectors in parallel.
void addWithCuda(int* c, const int* a, const int* b, unsigned int size)
{
	int* dev_a = 0;
	int* dev_b = 0;
	int* dev_c = 0;


	// Choose which GPU to run on, change this on a multi-GPU system.
	cudaSetDevice(0);


	// Allocate GPU buffers for three vectors (two input, one output)    .
	cudaMalloc((void**)&dev_c, size * sizeof(int));
	cudaMalloc((void**)&dev_a, size * sizeof(int));
	cudaMalloc((void**)&dev_b, size * sizeof(int));


	// Copy input vectors from host memory to GPU buffers.
	cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);
	cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);

	// Launch a kernel on the GPU with one thread for each element.
	addKernel << <1, size >> > (dev_c, dev_a, dev_b);

	// cudaDeviceSynchronize waits for the kernel to finish, and returns
	// any errors encountered during the launch.
	cudaDeviceSynchronize();

	// Copy output vector from GPU buffer to host memory.
	cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);

	cudaFree(dev_c);
	cudaFree(dev_a);
	cudaFree(dev_b);
}
extern "C" int* test()
{
	const int arraySize = 5;
	const int a[arraySize] = { 1, 2, 3, 4, 5 };
	const int b[arraySize] = { 10, 20, 30, 40, 50 };
	int* c = new int[5];
	// Add vectors in parallel.
	addWithCuda(c, a, b, arraySize);
	// getchar();
	//system("pause");
	return c;
}
extern "C" int* test_1(int d[])
{
	const int arraySize = 5;
	const int *a = d;
	const int b[arraySize] = { 10, 20, 30, 40, 50 };
	int* c = new int[5];
	// Add vectors in parallel.
	addWithCuda(c, a, b, arraySize);
	// getchar();
	//system("pause");
	return c;
}

9.main.cpp的代码如下

#include "mainwindow.h"
#include <QtWidgets/QApplication>

#include<stdio.h>
#include <QtWidgets\qmessagebox.h>

extern "C" int* test();
extern "C" int* test_1(int d[]);
int main(int argc, char *argv[])
{
	int* c = test();
	int d[] = { 1,2,3,4,6};
	int* e = test_1(d);
	
	QApplication a(argc, argv);
	mainwindow w;
	w.show();

	QMessageBox::about(&w, "CUDA",
	QObject::tr("{1,2,3,4,5} + {10,20,30,40,50}= {%1,%2,%3,%4,%5}")
	.arg(e[0]).arg(e[1]).arg(e[2]).arg(e[3]).arg(e[4]));//创建新的窗口用以显示，cuda函数运行的结果
	return a.exec();
}

10.至此方案一结束，结果如下：
在这里插入图片描述

方案二：使用动态链接库（dll）封装cuda函数，并在QT项目中，调用cuda函数

分两步进行，先进行cuda函数的封装，生成dll文件和lib文件，然后再创建QT项目，并将生成的dll和lib文件导入QT项目中，实现Qt项目的cuda加速。

生成动态链接库（dll）

1.点击创建新项目。
在这里插入图片描述
2.创建动态链接库，并点击下一步。
在这里插入图片描述
3.根据自己的习惯，命名dll程序的名字，并保存在相应好找的文件夹里，我的dll的名称为cuda_dll
在这里插入图片描述
4.创建成功的解决方案如下在这里插入图片描述
5.在头文件中添加新建项，并命名为cuda_dll.h
在这里插入图片描述
在这里插入图片描述
6.在资源文件中添加新建项，命名为kernel.cu
在这里插入图片描述
在这里插入图片描述
7.此时的解决方案如下：
在这里插入图片描述
8.开始配置环境，首先配置解决方案，将编译器改成debug x64
在这里插入图片描述
9.右键cuda_dll,然后点击生成依赖项，再点击生成自定义。
在这里插入图片描述
选择CUDA10.2，并确定
在这里插入图片描述
10.右键kernel.cu，点击属性
在这里插入图片描述
将项类型改成CUDA C/C++，点击确定。
在这里插入图片描述
11.右键cuda_dll,点击属性
在这里插入图片描述
点击链接器-》输入-》附加依赖项-》编辑
在这里插入图片描述
添加依赖项cudart.lib，点击确定，此时环境就已经配置好了。
在这里插入图片描述
12.kernel.cu的代码

#include "cuda_runtime.h"  
#include "device_launch_parameters.h"    
#include "cuda_dll.h"
//CUDA核函数  
__global__ void addKernel(int* c, const int* a, const int* b)
{
	int i = threadIdx.x;
	c[i] = a[i] + b[i];
}
//向量相加  
int vectorAdd(int c[], int a[], int b[], int size)
{
	int result = -1;
	int* dev_a = 0;
	int* dev_b = 0;
	int* dev_c = 0;
	cudaError_t cudaStatus;

	// 选择用于运行的GPU  
	cudaStatus = cudaSetDevice(0);
	if (cudaStatus != cudaSuccess) {
		result = 1;
		goto Error;
	}

	// 在GPU中为变量dev_a、dev_b、dev_c分配内存空间.  
	cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));
	if (cudaStatus != cudaSuccess) {
		result = 2;
		goto Error;
	}
	cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));
	if (cudaStatus != cudaSuccess) {
		result = 3;
		goto Error;
	}
	cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));
	if (cudaStatus != cudaSuccess) {
		result = 4;
		goto Error;
	}

	// 从主机内存复制数据到GPU内存中.  
	cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);
	if (cudaStatus != cudaSuccess) {
		result = 5;
		goto Error;
	}
	cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);
	if (cudaStatus != cudaSuccess) {
		result = 6;
		goto Error;
	}

	// 启动GPU内核函数  
	addKernel << <1, size >> > (dev_c, dev_a, dev_b);

	// 采用cudaDeviceSynchronize等待GPU内核函数执行完成并且返回遇到的任何错误信息  
	cudaStatus = cudaDeviceSynchronize();
	if (cudaStatus != cudaSuccess) {
		result = 7;
		goto Error;
	}

	// 从GPU内存中复制数据到主机内存中  
	cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);
	if (cudaStatus != cudaSuccess) {
		result = 8;
		goto Error;
	}

	result = 0;

	// 重置CUDA设备，在退出之前必须调用cudaDeviceReset  
	cudaStatus = cudaDeviceReset();
	if (cudaStatus != cudaSuccess) {
		return 9;
	}
Error:
	//释放设备中变量所占内存  
	cudaFree(dev_c);
	cudaFree(dev_a);
	cudaFree(dev_b);

	return result;

}

13.cuda_dll.h的代码

#pragma once
extern "C" __declspec(dllexport)  int vectorAdd(int c[], int a[], int b[], int size);

14.右键cuda_dll,点击生成。
在这里插入图片描述
生成成功
在这里插入图片描述
15。于是在保存dll程序的文件夹内，出现图中标识三个文件，此时dll的生成就完全结束了。
在这里插入图片描述
在这里插入图片描述

在VS+QT的项目中导入生成的DLL库，并调用刚才封装好的cuda函数。

1.创建vs+qt项目，方法和之前一样，生成的项目如下。
在这里插入图片描述
2.打开QtGUIApplication文件夹
在这里插入图片描述
在这里插入图片描述
将我之前用红线标出的，三个文件cuda_dll.h,cuda_dll.dll,cuda_dll.lib,复制到QtGUIApplication文件夹中，结果如下：
在这里插入图片描述
3.打开QtGUIApplication的解决方案，右键解决方案，并点击重新生成解决方案
在这里插入图片描述
重新生成成功
在这里插入图片描述
4.右键header files，点击添加现有项
在这里插入图片描述
选择cuda_dll.h,并点击添加。
在这里插入图片描述
5.同样的方法，在source files中添加cuda_dll.dll和cuda_dll.lib,此时的解决方案如下
在这里插入图片描述
6.这样环境就已经搭建好了，接下来在main.cpp验证，main.cpp的代码如下

#include "QtGuiApplication1.h"
#include <QtWidgets/QApplication>
#include<qmessagebox.h>
#include"cuda_dll.h"
int main(int argc, char* argv[])
{
	QApplication a(argc, argv);
	QtGuiApplication1 w;
	w.show();
	const int arraySize = 5;
	int d[arraySize] = { 11, 22, 33, 44, 55 };
	int b[arraySize] = { 10, 20, 30, 40, 50 };
	int e[arraySize] = { 0 };
	int number = vectorAdd(e, d, b, arraySize);
	QMessageBox::about(&w, "CUDA",
		QObject::tr("{1,2,3,4,5} + {10,20,30,40,50}= {%1,%2,%3,%4,%5}")
		.arg(e[0]).arg(e[1]).arg(e[2]).arg(e[3]).arg(e[4]));
	return a.exec();
}

7.输出结果，成功。
在这里插入图片描述

总结

以上就是在VS+Qt中调用cuda函数的两种方案，总的来说，方案一，实现更为简单，但是若是想在更加复杂的程序中使用，会显得比较繁琐。方案二，虽然在早期的学习中，似乎难度更大，但是在使用的过程中，只要封装好了函数，后面的顾忌会更少，适合一些更加复杂的程序。

雷达达
关注
  • 8
    点赞
  • 踩
  • 77
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
使用Qt编写CUDA程序
Alden He
10-02 5412
本文基于的情况是，Qt，CUDA和VS已经安装完成且能够正常运行的情况 创建一个空的Qt项目 创建一个.cu文件，本文创建的为kernel.cu 内容如下 #include "cuda_runtime.h" #include "device_launch_parameters.h" #include <stdio.h> cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size); __globa
Vs2019+Qt+Opencv环境配置心得(图文)
08-18
主要介绍了Vs2019+Qt+Opencv环境配置心得(图文)，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
VS2019+Qt+opencv.pdf
12-29
主要介绍了Vs2019+Qt+Opencv环境配置心得(图文)，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
QT GPU混合使用
热门推荐
OPEN_GIS
10-11 1万+
GPU相对CPU，可以更好地并行处理数据，因此可以利用GPU，来进行可以并行的计算，比如图像处理中，若每个像素的处理都独立于其他像素，则就可以使用GPU来加速。 GPGPU的一个比较一般而通用的核心方法就是将待处理的图片或者其他数据转成比如说OpenGL的纹理，然后用OpenGL绘制一个矩形，并使用GLSL、Cg、HLSL等着色语言编写着色程序实现针对每个数据的算法，OpenGL绘制的东西放
Win10下在VS2019中配置使用CUDA进行加速的C++项目
yohnyang的博客
03-21 231
在Visual Studio 2019的C/C++项目属性页中，常规（General）选项卡下的“附加包含目录”（Additional Include Directories）是用于指定额外的头文件包含目录的设置。在项目属性中，将库文件输出目录（通常是“lib”目录）添加到链接器的附加库目录中，是确保在链接过程中能够正确找到库文件的常见做法。// 在GPU上分配内存并将矩阵传输到GPU。// 初始化CUBLAS库。// 分配内存并初始化矩阵。// 销毁CUBLAS句柄。# 注意版本v11.3。
QT 调用 CUDA实现GPU加速图像处理（chapter1）
qq_43702098的博客
10-12 1639
头文件imageProcess.h代码kernel.cu代码0 };return 0;// 选择用于运行的GPU cudaStatus = cudaSetDevice(0);result = 1;goto Error;} // 在GPU中为变量dev_a、dev_b、dev_c分配内存空间. cudaStatus = cudaMalloc((void * *) & dev_c , size * sizeof(int));result = 2;
【QT+CUDA】QT中使用cuda，QT+VS+cuda下载安装配置
xifan的博客
09-27 934
（要翻墙）：https://developer.nvidia.com/cuda-toolkit-archive一路next，自定义安装。组件只选CUDA。如果安装cuda前没安装vs，取消勾选Visual Studio Integration。参考教程：https://blog.csdn.net/chen565884393/article/details/127905428 2.4 卸载 用geek卸载，卸载NVIDIA相关的，仅下面3项不卸载 官网下载，从版本开始，官方不再提供离线版安装包，除非你充
【QT开发（9）】QT 中使用CUDA 代码
Hali_Botebie的博客
10-18 552
在之前的文章写了CUDA相关的知识。最近也在研究 并行异构的课程，在QT里面加入相关的cuda 代码试一下！首先需要 在camke 中开启cuda，参考之前的文章。
QT中配置cuda环境，并编写cuda代码
Java学习之旅
03-02 3244
之前是在vs中开发cuda的代码，现在需要把cuda的代码移植到QT中。由于本机安装cuda时，是默认安装的，所以安装目录为# CUDA_PATH 这个是安装cuda时自动配置到环境变量中的路径，也是cuda安装的路径 C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v11.1cuda的样例文件夹位置为。
QT+CUDA混合编程BUG（一）
qq_41840797的博客
09-23 1182
在QT中进行CUDA编程，CUDA库与其他外部库冲突，debug失败。
第一次在Qt中编译cuda(ubuntu平台)
liji_digital的博客
01-12 1328
因工作需要，我要在ubuntu20.04上编译cuda，且用到Qt。编译过程的要点如下： 1 cuda的头文件不需要是cuh为扩展名，普通的.h文件即可 2 在pro文件里，你会看到这两句： SYSTEM_TYPE = 64 CUDA_ARCH = compute_61 64表示64位程序；compute_61指的是nvidia显卡的compute capability，与显卡型号有关。 ...
CUDA配置环境（二）：Windows10+QT5.14+CUDA11.3+MSVC2017
qq_41840797的博客
04-11 2271
准备 安装QT，参考教程： https://blog.csdn.net/zhizhengguan/article/details/107567449 安装CUDA11.3，较为简单，可参考： https://blog.csdn.net/weixin_43848614/article/details/117221384 配置环境 与在VS2017中的配置不同，VS2017可以在选项卡中对CUDA的编译调试环境进行配置，而在QT中，这都需要在工程文件.pro中，通过代码来实现。下面介绍如何新建一个可运行CUDA
Qt在vs2019中使用及设置方法
08-18
主要介绍了Qt在vs2019中使用及设置方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
VS2019中QT连接及使用的方法步骤
08-18
主要介绍了VS2019中QT连接及使用的方法步骤，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
【C】 初识C语言
最新发布
努力学习C/C++
04-21 709
从本篇开始，带你从不会C语言到精通C语言。这篇是让大家对C语言有个初步的了解。下面的内容会拆分不同篇幅单独进行详细讲叙。数据类型变量、常量字符串转义字符注释选择语句循环语句函数数组操作符常见关键字define定义常量和宏指针结构体1.什么是C语言？C语言是一门面向过程的计算机编程语言，与C++、C#、Java等面向对象编程语言有所不同。C语言的设计目标是提供一种能以简易的方式编译、处理低级存储器、仅产生少量的机器码以及不需要任何运行环境支持便能运行的编程语言。
[C++]异常
m0_62327743的博客
04-19 382
[C++]异常
C语言：贪吃蛇游戏（万字解读超详细）
2301_80655639的博客
04-20 975
贪吃蛇这个游戏应该我们小时候都玩过吧我相信能够点进这个博客的应该都很熟悉这个游戏了如果对这个游戏不熟悉的可以网上查查怎么玩，这样才能对这个游戏有个清晰的认知该篇博客需要拥有C语言基础（对指针熟悉、会链表的使用）下面我们需要先学习一些C语言之外的东西认真坚持看完，我相信你一定能完成这个接近500行的C语言贪吃蛇项目该类型内部封装了两个成员，一个x，一个y，代表坐标我们可以将我们的控制台理解为一个平面坐标图横向正方向是x轴正方向，竖向负方向是y轴正方向。
15.C++常用的算法_拷贝和替换算法
ls3614140的博客
04-18 234
【代码】15.C++常用的算法_拷贝和替换算法。
ColBERT和ColBERTv2:兼具Bi-encoder和cross-encoder优势的多向量排序模型
beingstrong的博客
04-20 928
ColBERT是一种多向量排序模型，因为引入了延迟交互机制(late interaction architecture)相比与cross-encoder效率提升了很多。ColBERTv2针对ColBERT的缺点进一步优化了性能和效率。在RAG大热的这一年，ColBERT也引起了一些关注。
vs2019+cuda+opecv+qt5
12-22
VS2019是微软推出的一款集成开发环境，支持多种程序语言和平台，包括C++、C#等。它提供了强大的编辑器、调试器和代码管理工具，辅助开发者编写高质量的程序。CUDA（Compute Unified Device Architecture）是NVIDIA推出的并行计算平台和编程模型，可以利用GPU的并行计算能力加速应用程序的运行。OpenCV是一个开源的计算机视觉库，提供了丰富的图像处理和计算机视觉算法。Qt5是一个跨平台的C++应用程序开发框架，提供了丰富的图形界面和功能模块，帮助开发者快速构建各种应用程序。 在使用VS2019进行CUDA和OpenCV开发时，可以充分发挥其集成开发环境的优势，方便地编写、调试和管理CUDA和OpenCV程序。同时，借助Qt5框架，可以快速构建出漂亮的图形界面，让应用程序更加友好和专业。此外，VS2019还支持CUDA的开发工具集（CUDA Toolkit），能够方便地对CUDA程序进行编译、调试和性能优化。 总的来说，结合VS2019、CUDA、OpenCV和Qt5，开发者可以实现高效的并行计算和图像处理，同时还能快速构建出美观且功能丰富的应用程序。这些工具的组合不仅提高了开发效率，也让开发者能够更好地利用现代计算机的性能，实现更加强大的应用。

“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 10
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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