CUDA10.1配置VS2017_vs2017+cuda10.1

目录

一  CUDA 安装

二  CUDA环境变量配置

三  CUDA配置VS2017

---

一  CUDA 安装

   1.1 CUDA下载

     网址：https://developer.nvidia.com/cuda-toolkit-archive

 

可以根据需要下载不同版本的CUDA安装包。

 

1.2 CUDA安装

   1.2.1 双击下载的.exe文件安装

  1.2.2 点击‘OK’

 1.2.3 上一步解压完成后，会自动跳到下图，点击‘同意并继续’即可，由于我已经安装过了，下图是我在网上找的一个图，各版             本都一样

 

二  CUDA环境变量配置

    2.1 右击此电脑→属性→高级系统设置→环境变量

 

 

2.2 系统变量里添加：

      CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1

      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

注意：CUDA _PATH与CUDA _PATH_V10_1是CUDA安装时自动添加的；

          CUDA _PATH_V10_1中的10_1是你安装CUDA的版本号

 

2.3 添加以下到系统变量path中，添加完点确定

      %CUDA_LIB_PATH%

      %CUDA_BIN_PAHT%

     %CUDA_SDK_BIN_PAHT%

      %CUDA_SDK_LIB_PATH%

 

 

2.4 重启电脑，然后打开cmd，输入: set cuda   即可看到下图

 

2.5 检查cuda是否安装好， 打开cmd，

      2.5.1  输入：cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite

                 输入之后，注意是否为自己安装的目录，然后按‘Enter’键

     2.5.2 找到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite目录下的deviceQuery.exe，在                 cmd里输入：deviceQuery.exe

上图中Result=PASS，表示安装好，否则Result=Fail重装或更换cuda版本吧。

 

2.5.3 找到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite目录下的bandwidthTest.exe，在                cmd里输入：bandwidthTest.exe

上图中Result=PASS，表示安装好，否则Result=Fail重装或更换cuda版本吧。

 

三  CUDA配置VS2017

3.1  打开VS2017新建工程

 

3.2 右击源文件→添加→新建项→CUDA C/C++ File；创建一个.cu文件

 

 

 

3.3 右击项目名称test_cuda2→生成依赖项→生成自定义，→选择CUDA10.1→确定

 

 

3.4 右击cuda_test.cu文件→属性→配置属性→常规→项类型→CUDA C/C++

 

 

3.5 右击test_cuda2→属性

 

3.5.1→VC++目录。在包含目录中添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include；在库目录中添加                               C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64。

注意：要根据自己的CUDA安装添加正确的目录

 

 

3.5.2 →链接器→输入→附加依赖项。再附加依赖项中添加相应的.lib文件名称

   我这里加的比较多cublas.lib

cublasLt.lib

cuda.lib

cudadevrt.lib

cudart.lib

cudart_static.lib

cufft.lib

cufftw.lib

curand.lib

cusolver.lib

cusparse.lib

nppc.lib

nppial.lib

nppicc.lib

nppicom.lib

nppidei.lib

nppif.lib

nppig.lib

nppim.lib

nppist.lib

nppisu.lib

nppitc.lib

npps.lib

nvblas.lib

nvgraph.lib

nvml.lib

nvrtc.lib

OpenCL.lib

 

 

3.6  配置成功后，这里附带一个测试程序：

 
// 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    // 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;
}

 

程序运行结果：