win10+vs2015+cuda8 环境搭建

win10+vs2015+cuda8环境搭建

1.安装VS

为什么选择vs2015？ vs2015相较于2013是一个改动较大的版本，并且相较2017和2019兼容性也好一些（网上参考资料多一些）cuda和vs不同版本间不一定兼容，尽量选用的普遍的，避免遇到兼容性问题。

itellyou下载一个vs2015的镜像，7.1个G。安装的时候选择自定义安装，只装VC++的部分，c#和web工具我们用不到，安装过程大概10几分钟。

2.安装CUDA8

首先确定你的显卡型号，确定你的显卡是否支持cuda。我的是GTX950M，compute capablity打分5.0。

接下来选择要下载的cuda版本，选择你的操作系统，1.3个G，等待下载完成即可。安装包解压时选择的路径无所谓，安装结束会自动删除。

安装时选择自定义安装，可以指定安装路径，就不给他安到C盘了。这里要注意CUDA安装时会检测你的VS环境，来安装对应的CUDA VS组件，要确保VS安装完成后再安装CUDA，否则VS组件要单独安装一次。

安装完成可以在命令行中set cuda和nvcc --version查看安装情况。

3.配置环境变量

安装cuda时已经配置了CUDA_PATH和CUDA_PATH_V8_0两个环境变量，接下来，还要在系统中添加以下几个环境变量：

#选择到你自己的安装路径
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0 
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 

然后，在系统变量 PATH 的末尾添加：

;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%; 
#以及安装路径
;C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64；C:\Program 
Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin；C:\ProgramData\NVIDIA 
Corporation\CUDA Samples\v8.0\common\lib\x64；C:\ProgramData\NVIDIA 
Corporation\CUDA Samples\v8.0\bin\win64；

完成后可以运行cuda安装目录下的 ...\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe，查看显卡配置。

4.配置vs

打开vs2015，注意不是blend for vs2015。blend打开是不能创建win32工程的。

创建win32工程

• 新建一个cuda项目
  

• 选择NIVIDIA CUDA8中 CUDA C/C++file，并在名称那填上cuda_main

• 选择cuda_test1，点击右键–>项目依赖项–>自定义生成

• 选择CUDA

• 点击cuda_main.cu的属性

• 在配置属性–>常规–>项类型–>选择“CUDA C/C++”
  

包含目录配置

1. 右键点击项目属性–>属性–>配置属性–>VC++目录–>包含目录
2. 添加包含目录：
   $(CUDA_PATH)\include

库目录配置

1. VC++目录–>库目录
2. 添加库目录：
   $(CUDA_PATH)\lib\x64

依赖项

1. 配置属性–>连接器–>输入–>附加依赖项
2. 添加库文件：
   cublas.lib
   cuda.lib
   cudadevrt.lib
   cudart.lib
   cudart_static.lib
   nvcuvid.lib
   OpenCL.lib

5.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 //
    );
// 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;
}

6.运行结果

运行时需要注意VS编译选项为x64