cpp文件调用CUDA .cu文件实现显卡加速相关编程

http://blog.csdn.net/meandmyself/article/details/47029493

入门cuda遇到的不错点拨文，故转载如下：

本篇文章谈的是cpp文件如何调用CUDA的.cu文件实现显卡加速的相关编程。当然，这是在默认已经配置好CUDA的情况下进行的，如果对于如何配置CUDA还有疑问可以看之前写的这一篇文章。另外，现在CUDA已经放出了支持VS2013的6.5版本，所以还是建议用最新的，毕竟VS2013好用太多，配置起来也没什么区别。关于那篇配置文章，并没有解决CUDA相关函数偶有错误提示的问题，虽然对于编译没有影响，但是对于有强迫症的人来说还是比较纠结的，本人研究过后会更新，望周知。

    关于如何通过cpp文件调用CUDA的.cu文件实现显卡加速相关编程的问题，有两种方法。本篇先谈的是根据VS2013模板创建CUDA工程（安装6.5版本CUDA后可看到）然后再加入cpp文件的这一种方法。至于另外的在MFC或者win32工程等添加.cu文件再进行调用这种其实本质上是差不多的，会比较麻烦，本人后面有时间再更新。

    在主题开始之前，先说下如何调用CUDA进行显卡加速，其实大的方向是十分简单的。流程大致如下：

    初始化显卡内存->将主机待处理的内存数据拷贝到显卡内存中->利用显卡处理相关的数据->将处理完成的显卡内存数据拷回主机内存

    OK，下面进入主题

    首先创建CUDA工程，工程创建完成之后会有一个.cu文件，将文件的内容替换成如下内容

[cpp]  view plain  copy

1. #include "cuda_runtime.h"  
2. #include "device_launch_parameters.h"  
3. #include "main.h"  
4.   
5.  inline void checkCudaErrors(cudaError err)//错误处理函数  
6.  {  
7.        if (cudaSuccess != err)  
8.         {  
9.             fprintf(stderr, "CUDA Runtime API error: %s.\n", cudaGetErrorString(err));  
10.             return;  
11.         }  
12.  }  
13.   
14. __global__ void add(int *a,int *b,int *c)//处理核函数  
15. {  
16.     int tid = blockIdx.x*blockDim.x+threadIdx.x;  
17.     for (size_t k = 0; k < 50000; k++)  
18.     {  
19.         c[tid] = a[tid] + b[tid];  
20.     }  
21. }  
22.   
23. extern "C" int runtest(int *host_a, int *host_b, int *host_c)  
24. {  
25.     int *dev_a, *dev_b, *dev_c;  
26.       
27.     checkCudaErrors(cudaMalloc((void**)&dev_a, sizeof(int)* datasize));//分配显卡内存  
28.     checkCudaErrors(cudaMalloc((void**)&dev_b, sizeof(int)* datasize));  
29.     checkCudaErrors(cudaMalloc((void**)&dev_c, sizeof(int)* datasize));  
30.       
31.     checkCudaErrors(cudaMemcpy(dev_a, host_a, sizeof(int)* datasize, cudaMemcpyHostToDevice));//将主机待处理数据内存块复制到显卡内存中  
32.     checkCudaErrors(cudaMemcpy(dev_b, host_b, sizeof(int)* datasize, cudaMemcpyHostToDevice));  
33.   
34.     add << <datasize / 100, 100 >> >(dev_a, dev_b, dev_c);//调用显卡处理数据  
35.     checkCudaErrors(cudaMemcpy(host_c, dev_c, sizeof(int)* datasize, cudaMemcpyDeviceToHost));//将显卡处理完数据拷回来  
36.   
37.     cudaFree(dev_a);//清理显卡内存  
38.     cudaFree(dev_b);  
39.     cudaFree(dev_c);  
40.     return 0;  
41. }  

    然后在工程中添加main.h文件，添加如下内容

[cpp]  view plain  copy

1. #include<time.h>//时间相关头文件，可用其中函数计算图像处理速度    
2. #include <iostream>  
3. #define datasize 50000  

    下面添加main的实现文件cpp，在cpp中实现对于CUDA的.cu文件的调用。内容如下

[cpp]  view plain  copy

1. #include "main.h"  
2. extern "C" int runtest(int *host_a, int *host_b, int *host_c);//显卡处理函数  
3.   
4. int main()  
5. {  
6.     int a[datasize], b[datasize], c[datasize];  
7.     for (size_t i = 0; i < datasize; i++)  
8.     {  
9.         a[i] = i;  
10.         b[i] = i*i;  
11.     }  
12.   
13.     long now1 = clock();//存储图像处理开始时间    
14.     runtest(a,b,c);//调用显卡加速  
15.     printf("GPU运行时间为：%dms\n", int(((double)(clock() - now1)) / CLOCKS_PER_SEC * 1000));//输出GPU处理时间  
16.   
17.     long now2 = clock();//存储图像处理开始时间    
18.     for (size_t i = 0; i < datasize; i++)  
19.     {  
20.         for (size_t k = 0; k < 50000; k++)  
21.         {  
22.             c[i] = (a[i] + b[i]);  
23.         }  
24.     }  
25.     printf("CPU运行时间为：%dms\n", int(((double)(clock() - now2)) / CLOCKS_PER_SEC * 1000));//输出GPU处理时间  
26.   
27.   
28.     /*for (size_t i = 0; i < 100; i++)//查看计算结果 
29.     { 
30.         printf("%d+%d=%d\n", a[i], b[i], c[i]); 
31.     }*/  
32.   
33.     getchar();  
34.     return 0;  
35. }  

    需要注意的是，在用来被调用的CUDA函数中要加上extern "C" 的声明，并在cpp文件中进行声明（extern "C" int runtest(int *host_a, int *host_b, int *host_c);）后再调用。

    到此本篇的第一大部分就做完了，编译运行可以看到GPU在处理复杂并行计算的时候的确比CPU快的多。关于前面提到的另外一种方法下次再谈吧，假期要结束了,额。。。

    好吧，距上面文章完成已经半年之久，来填坑了，另一种方法的博客地址在这里。