Cuda配置-02 VS环境配置

说明

      要进行CUDA编程开发就必须安装CUDA驱动，CUDA驱动的硬件条件为英伟达显卡以及对应的驱动软件。一般进行CUDA编程开发的操作系统主要是两种：Windows操作系统和Linux操作系统。Windows操作系统的集成开发环境可以使用Visual Studio(简称VS)或CLion，Linux操作系统的集成开发环境可以使用Visual Studio Code(简称VSCode)或Clion。
      本教程主要是完成Windows操作系统下的Visual Studio集成开发环境配置，在配置之前，请确保你已经完成下列关键步骤：

1. 存在英伟达显卡并且已经安装了对应驱动，一般有英伟达显卡的操作系统会预装驱动。
2. 安装了CUDA驱动程序，如果你已经有了英伟达显卡驱动，此步可以参考我上一篇教程。
3. 安装了Visual Studio，并且利用VS可以正常运行一个C/C++的Hello World程序。

      在配置的过程中，我的具体环境参数为：CUDA11.2, Win10, VS2019。

作者注：本教程原版是2023年2月更新的，使用环境CUDA11+Win10+VS2019，然后参数方面需要配置环境变量，每次新项目得配置项目环境参数，感觉特别麻烦，于是在2024年3月换电脑后，重新更新了教程，现在的环境为CUDA12+Win11+VS2022，先安装VS2022，编辑器必须包含"使用C++的桌面开发"，我选择的社区版，主要是免费可以避免很多版权问题。先安装VS2022，再按照我前面的教程安装CUDA12，就可以直接在VS项目模板里面开CUDA项目了，其他任何环境变量和项目参数都不需要配置。

教程后面内容都是旧版环境的手动配置，因为我现在没有了那样的环境，出于严谨考虑，保留之前的配置方法，因为可能有人需要，新版的先安装VS后安装CUDA后，在VS里面就有项目模板，直接使用就可以把所有参数和环境都搞好了。

步骤

1. 系统环境变量里面添加：

CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
CUDA_BIN_PATH=%CUDA_PATH%\bin
CUDA_LIB_PATH=%CUDA_PATH%\lib\x64
1
2
3

   注：如果CUDA安装路径不是默认路径，或者版本不是11.2的，请灵活改一下路径参数C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2

2. Path环境变量里面添加：

%CUDA_BIN_PATH%
%CUDA_LIB_PATH%
1
2

3. 在CUDA的文件夹下： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\visual_studio_integration\MSBuildExtensions 将所有文件复制到C:\Program Files (x86)\Microsoft Visual Studio\2019\Professional\MSBuild\Microsoft\VC\v160\BuildCustomizations 文件夹下，注意核对自己的路径参数是否正确，你的路径和我的路径有可能存在略微差别。

4. 上述步骤只需要配置一次就行，下面的步骤需要每次Visual Studio新建CUDA项目都需要配置

---

5. VS中新建项目，项目名称为"CudaProject"，项目类型为"C++控制台程序"，源程序名称为"main.cpp"。

6. 右键项目"CudaProject"，选择：生成依赖项–>生成自定义–>勾选CUDA

7. 右键程序"main.cpp"，选择：属性–>常规–>项类型–>CUDA C/C++

8. 右键项目"CudaProject"，选择：属性->配置属性->VC++目录->包含目录，添加包含目录:$(CUDA_PATH)\include

9. 在第8步的"VC++目录"里面，选择：VC++目录–>库目录，添加库目录:$(CUDA_PATH)\lib\x64

10. 在第8步的"配置属性"里面，选择：配置属性–>链接器–>输入–>附加依赖项，把参数改为如下内容。

cublas.lib
cuda.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
OpenCL.lib
1
2
3
4
5
6

11. 运行如下Hello World程序试试水：

//C语言标准库
#include <stdio.h>
//Cuda运行库
#include <cuda_runtime.h>

//核函数，GPU中运行：在GPU中打印Hello World
__global__ void mykernel(void) {
    //GPU打印Hello World
    printf("Hello World From GPU!\n");
}

//主函数，CPU中运行，修饰符__host__可以省略不写
int main(void) {
    //CPU打印Hello World
    printf("Hello World From CPU!\n");
    //调用核函数，启用GPU执行打印任务
    mykernel << <2, 2 >> > ();
    //同步函数，作用为：强制CPU等待GPU执行完才执行
    cudaDeviceSynchronize();
    return 0;
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23