VS2013下CUDA 7.5安装
1 环境搭建
1. 安装vs2013,若安装失败可能是卸载不干净,只能重装系统
若重装后还失败,尝试删除或改名C:\Windows\SoftwareDistribution文件夹
2.官网下载CUDA 7.5,安装
3.安装完成后,系统变量的环境变量多了两个
CUDA_PATH_V7_5
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v7.5
CUDA_PATH
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v7.5
环境变量Path也多了:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\bin
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v7.5\libnvvp
C:\Program Files (x86)\NVIDIACorporation\PhysX\Common
4.进入 C:\ProgramData\NVIDIACorporation\CUDA Samples\v7.5\1_Utilities\deviceQuery中
打开deviceQuery_vs2012.sln,右键生成(在debug和release两种模式下分别编译)
进入C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5\bin\win64\Debug
和C:\ProgramData\NVIDIA Corporation\CUDASamples\v7.5\bin\win64\Release分别执行deviceQuery.exe,看结果是否PASS
结果=pass,表示通过
2 Cuda编程测试:
1. 打开VS2013并建立一个空的win32控制台项目
2. 右键源文件——添加——新建项,选nvidia cuda7.5下面的cuda c++ 文件类型,创建test.cu
3. 右键test.cu——属性,在左侧的常规——项类型,下拉菜单,选择cuda c/c++
4. 将测试代码放入test.cu(代码转自网络)
//CUDA runtime 库+ CUBLAS 库
#include"cuda_runtime.h"
#include"cublas_v2.h"
#include<time.h>
#include<iostream>
usingnamespace std;
// 定义测试矩阵的维度
intconst M = 5;
intconst N = 10;
intmain()
{
// 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;
}
5. ctrl+F5执行
3 cuda工程搭建
1) 如图,打开VS2013并建立一个NVIDIACUDA 7.5项目,命名为cuda。
2) 如图4-10,在“解决方案资源管理器”一栏中右键cuda项目,添加新建项,选择类型为C++文件。
3) 在C++文件中填入相应cuda代码。
4) 如图4-11,右键cuda项目——属性——配置属性——C/C++——常规——附加包含目录,增加一项C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5\common\inc.
该操作为是为了使工程找到所需的头文件<helper_string.h>,<helper_cuda.h>和<helper_functions.h>,他们都在路径C:\ProgramData\NVIDIACorporation\CUDA Samples\v7.5\common\inc下。
5) 如图4-12,,设置链接器——输入——附加依赖项,添加一项cusparse.lib,否则将无法解析的CUSPARSE库函数名,出现如下错误:
错误 8 error LNK2019: 无法解析的外部符号cusparseSnnz,该符号在函数 "float * __cdecl getMatrix(int &,int &,int&)" (?getMatrix@@YAPEAMAEAH00@Z) 中被引用
6) 如下图,注意检查途中红框处解决方案平台的类型,设置为x64(本实验所用cuda环境是64版本,选win32会导致不兼容而无法编译)。
7) ctrl+F5,开始编译执行程序,结果如下: