VS2013 cuda7.5 配置

官网链接

http://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html#about-this-document

要求

有NVDIA的显卡硬件（官网上有需要满足的条件）

下载

之前看网上的cuda安装好像都是需要安装驱动、SDK、Toolkit的，但是我自己安装cuda7.5的时候只需要下载以下2个东西

• cuda Toolkit
• cuda drivers

安装驱动

按照要求安装即可让

安装toolkit

双击exe，直接安装即可，我是全部按照默认设置进行安装的，怕之后cuda自动创建环境变量的时候会出现问题

之前看其他的安装教程上面都是创建了2个环境变量，这个的安装只是创建了一个CUDA_PATH：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5
还有一个CUDA_PATH_V7_5没有怎么用。。

安装完成后

可以打开文件夹C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5，里面有安装自带的例程，可以作为参考

打开后，关于cuda的许多定义会有下划线，也不能转到定义，需要将VS进行如下设置

• 配置文件的扩展名等
  在选项里配置
  

• 配置头文件目录和库目录

打开属性管理器，在VC++目录中添加如下

• 选择项目，右键选额选择依赖项，设置如下

• 在链接器的输入中添加cudaart.lib

• 输入如下，运行程序即可

  #include"cuda.h"
  #include "cuda_runtime.h"
  #include "device_launch_parameters.h"
  #include <stdio.h>
  
  
  __global__ void SaxPY(float a, float* X_d, float* Y_d, int n)
  {
      if (threadIdx.x < n)
      {
          Y_d[threadIdx.x] = a*X_d[threadIdx.x] + Y_d[threadIdx.x];
      }
  }
  
  int main()
  {
      int n = 64;
      float a = 2;
      float *X_h, *X_d, *Y_h, *Y_d;
  
      X_h = (float*)malloc(  n * sizeof(float) );
      Y_h = (float*)malloc(n * sizeof(float));
      for (int i = 0; i < n; i++)
      {
          X_h[i] = (float)i;
          Y_h[i] = 1.0;
      }
      cudaMalloc( &X_d, n*sizeof(float) );
      cudaMalloc(&Y_d, n*sizeof(float));
      cudaMemcpy( X_d, X_h, n*sizeof(float), cudaMemcpyHostToDevice );
      cudaMemcpy(Y_d, Y_h, n*sizeof(float), cudaMemcpyHostToDevice);
      SaxPY <<< 1, 64 >>>(a, X_d, Y_d, n);
      cudaMemcpy( Y_h, Y_d, n*sizeof(float), cudaMemcpyDeviceToHost );
      for (int i = 0; i < n; i++)
      {
          printf("%2.1f X[%d] + Y[%d] = %f\n", a, i, i, Y_h[i]);
      }
      cudaFree( X_d );
      cudaFree(Y_d);
      free(X_h);
      free(Y_h);
      system("Pause");
      return 0;
  }
  

尖括号<<<>>>中第一个参数代表启动的线程块的数量，第二个参数代表每个线程块中线程的数量

参考链接

http://www.cnblogs.com/liangliangdetianxia/p/3978955.html

本次实验的代码网址

http://download.csdn.net/detail/u012526003/9504930

关于VS中配置的一些说明

• 属性管理器
  在属性管理器中配置的时候，如果是项目的属性，则改变的是针对该项目的属性，包括头文件目录，附加库目录等，如下图

而如果是对debug模式弹出的属性设置，则是改变整个VS在此模式下的设置，如下图：

一般有debug win32、release win32、debug win64、release win64四种模式，对相同版本的debug和release模式，只需设置其中一种，另一中也自动设置，如设置了debug win32中的头文件后，则release win32中也会出现对应的设置。一般如果不想在每次新建工程时都需要重新设置，就可以直接修改整个VS的设置

cudad性能测试

• 基于上面的demo，在C++中写了2个数组相加的函数，并进行叠加，改变相加数组的大小，得到以下的运算结果

由图可知，当数组规模比较小的时候，运算时间方面，CPU相对占优势，但是当数组规模变大时，CPU时间上升的很快，而GPU时间几乎不变，在处理大规模数据运算的时候更具有优势

本次实验如下：

#include"cuda.h"
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include <stdio.h>
#include<Windows.h>
#include<time.h>


__global__ void SaxPY(float a, float* X_d, float* Y_d, int n)
{
    if (threadIdx.x < n)
    {
        Y_d[threadIdx.x] = a*X_d[threadIdx.x] + Y_d[threadIdx.x];
    }
}

void Add(float a, float *X_d, float *Y_d, int n)
{
    for (int i = 0; i < n; i++)
    {
        Y_d[i] = a*X_d[i] + Y_d[i];
    }
}

int main()
{
    LARGE_INTEGER t1, t2, tc;
    QueryPerformanceFrequency(&tc);

    int n = 64000;
    int nums[5] = { 10, 100, 1000, 10000, 100000 };
    float a = 2;
    float *X_h, *X_d, *Y_h, *Y_d;

    for (int i = 0; i < 5; i++)
    {
        printf("current num to Add : %d\n", nums[i]);
        X_h = (float*)malloc(nums[i] * sizeof(float));
        Y_h = (float*)malloc(nums[i] * sizeof(float));
        for (int i = 0; i < nums[i]; i++)
        {
            X_h[i] = (float)i;
            Y_h[i] = 1.0;
        }
        QueryPerformanceCounter(&t1);
        Add(a, X_h, Y_h, nums[i]);
        QueryPerformanceCounter(&t2);
        printf("CPU Use Time:%f\n", (t2.QuadPart - t1.QuadPart)*1.0 / tc.QuadPart);
        printf("CPU  Compute finised\n");
        free(X_h);
        free(Y_h);


        X_h = (float*)malloc(nums[i] * sizeof(float));
        Y_h = (float*)malloc(nums[i] * sizeof(float));
        for (int i = 0; i < nums[i]; i++)
        {
            X_h[i] = (float)i;
            Y_h[i] = 1.0;
        }
        cudaMalloc(&X_d, nums[i] * sizeof(float));
        cudaMalloc(&Y_d, nums[i] * sizeof(float));
        cudaMemcpy(X_d, X_h, nums[i] * sizeof(float), cudaMemcpyHostToDevice);
        cudaMemcpy(Y_d, Y_h, nums[i] * sizeof(float), cudaMemcpyHostToDevice);
        QueryPerformanceCounter(&t1);
        SaxPY << < 1, 64 >> >(a, X_d, Y_d, nums[i]);
        QueryPerformanceCounter(&t2);
        printf("GPU Use Time:%f\n", (t2.QuadPart - t1.QuadPart)*1.0 / tc.QuadPart);
        cudaMemcpy(Y_h, Y_d, n*sizeof(float), cudaMemcpyDeviceToHost);
        /*for (int i = 0; i < n; i++)
        {
        printf("%2.1f X[%d] + Y[%d] = %f\n", a, i, i, Y_h[i]);
        }*/

        printf("GPU  Compute finised\n");
        cudaFree(X_d);
        cudaFree(Y_d);
        free(X_h);
        free(Y_h);

        printf("\n\n\n");
    }

    system("Pause");



    return 0;
}

代码地址：http://download.csdn.net/detail/u012526003/9504940