第一篇：CUDA 6.0 安装及配置( WIN7 64位 / 英伟达G卡 / VS2010 )

前言

本文讲解如何在VS 2010开发平台中搭建CUDA开发环境。

当前配置：

系统：WIN7 64位

开发平台：VS 2010

显卡：英伟达G卡

CUDA版本：6.0

若配置不同，请谨慎参考本文。

第一步：下载CUDA

点击这里下载 cuda最新版。得到类似：

cuda_6.0.37_winvista_win7_win8.1_general_64.exe

类型的安装包。

第二步：设置安装路径

运行安装程序，弹出安装过程中转文件路径设定框：

这个路径随便填无所谓，安装完后就会自动删除的，我就直接设置为默认的。

第三步：检测安装环境

等待系统帮你检测当前平台是否适合搭建CUDA：

第四步：许可声明

检测完毕后，正式进入CUDA安装界面：

同意并继续。

第五步：选择安装模式

然后选择安装模式：

为了完全安装所有功能，选择自定义模式安装。

第六步：勾选组件

接下来勾选要安装的组件：

全部勾上。

第七步：设置安装路径

接下来要设置三个安装路径：

这三个路径安装的是什么在日后的文章中将会解释，目前先不理会，直接安装到默认路径。点击下一步之后开始正式安装。

第八步：配置环境变量

安装完毕后，可以看到系统中多了CUDA_PATH和CUDA_PATH_V6_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：

CUDA_SDK_PATH = C:ProgramDataNVIDIA CorporationCUDA Samplesv6.0

CUDA_LIB_PATH = %CUDA_PATH%libx64

CUDA_BIN_PATH = %CUDA_PATH%in

CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%inx64

CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%commonlibx64

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%;

第九步：重启计算机

重新启动计算机以使环境变量生效。

第十步：启动Visual studio项目

打开VS2010并建立一个空的win32控制台项目：

附加选项那里请把“空项目”打钩：

第十一步：添加CUDA文件类型

右键源文件 -> 添加 -> 新建项如下图所示：

在打开的对话框中选择新建一个CUDA格式的源文件 (如果你只是要调用 CUDA 库编写程序而不需要自行调用核函数分配块、线程的话也可以就建立 .cpp 的源文件)：

第十二步：配置生成属性

右键工程 -> 生成自定义如下图所示：

在弹出的对话框中勾选“CUDA 6.0 *****"选项：

第十三步：配置基本库目录

右键项目 -> 属性 -> 配置属性 -> VC++目录，添加以下两个包含目录：

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv6.0include

C:ProgramDataNVIDIA CorporationCUDA Samplesv6.0commoninc

再添加以下两个库目录：

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv6.0libx64

C:ProgramDataNVIDIA CorporationCUDA Samplesv6.0commonlibx64

第十四步：配置CUDA静态链接库路径

右键项目 -> 属性 -> 配置属性 ->连接器 -> 常规 -> 附加库目录，添加以下目录：

$(CUDA_PATH_V6_0)lib$(Platform)

如下图所示：

第十五步：选用CUDA静态链接库

右键项目 -> 属性 -> 配置属性 ->连接器 -> 输入 -> 附加依赖项，添加以下库：

       cublas.lib
       cublas_device.lib
   cuda.lib
   cudadevrt.lib
       cudart.lib
     cudart_static.lib
     cufft.lib
       cufftw.lib
   curand.lib
   cusparse.lib
       nppc.lib
     nppi.lib
       npps.lib
     nvblas.lib (32位系统请勿附加此库!)
       nvcuvenc.lib
       nvcuvid.lib
       OpenCL.lib

如下图所示：

第十六步：配置源码文件风格

右键项目 -> 属性，如下图所示：

将项类型设置为 CUDA C/C++：

第十七步：调整配置管理器平台类型

打开配置管理器，如下图所示：

点击新建，如下图所示：

选择 X64 平台：

第十八步：样例测试

好了，至此平台已经完全搭建完毕，可用以下代码进行测试：

  1 // CUDA runtime 库 + CUBLAS 库 
  2 #include "cuda_runtime.h"
  3 #include "cublas_v2.h"
  4 
  5 #include <time.h>
  6 #include <iostream>
  7 
  8 using namespace std;
  9 
 10 // 定义测试矩阵的维度
 11 int const M = 5;
 12 int const N = 10;
 13 
 14 int main() 
 15 {   
 16     // 定义状态变量
 17     cublasStatus_t status;
 18 
 19     // 在 内存 中为将要计算的矩阵开辟空间
 20     float *h_A = (float*)malloc (N*M*sizeof(float));
 21     float *h_B = (float*)malloc (N*M*sizeof(float));
 22     
 23     // 在 内存 中为将要存放运算结果的矩阵开辟空间
 24     float *h_C = (float*)malloc (M*M*sizeof(float));
 25 
 26     // 为待运算矩阵的元素赋予 0-10 范围内的随机数
 27     for (int i=0; i<N*M; i++) {
 28         h_A[i] = (float)(rand()%10+1);
 29         h_B[i] = (float)(rand()%10+1);
 30     
 31     }
 32     
 33     // 打印待测试的矩阵
 34     cout << "矩阵 A :" << endl;
 35     for (int i=0; i<N*M; i++){
 36         cout << h_A[i] << " ";
 37         if ((i+1)%N == 0) cout << endl;
 38     }
 39     cout << endl;
 40     cout << "矩阵 B :" << endl;
 41     for (int i=0; i<N*M; i++){
 42         cout << h_B[i] << " ";
 43         if ((i+1)%M == 0) cout << endl;
 44     }
 45     cout << endl;
 46     
 47     /*
 48     ** GPU 计算矩阵相乘
 49     */
 50 
 51     // 创建并初始化 CUBLAS 库对象
 52     cublasHandle_t handle;
 53     status = cublasCreate(&handle);
 54     
 55     if (status != CUBLAS_STATUS_SUCCESS)
 56     {
 57         if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
 58             cout << "CUBLAS 对象实例化出错" << endl;
 59         }
 60         getchar ();
 61         return EXIT_FAILURE;
 62     }
 63 
 64     float *d_A, *d_B, *d_C;
 65     // 在 显存 中为将要计算的矩阵开辟空间
 66     cudaMalloc (
 67         (void**)&d_A,    // 指向开辟的空间的指针
 68         N*M * sizeof(float)    //　需要开辟空间的字节数
 69     );
 70     cudaMalloc (
 71         (void**)&d_B,    
 72         N*M * sizeof(float)    
 73     );
 74 
 75     // 在 显存 中为将要存放运算结果的矩阵开辟空间
 76     cudaMalloc (
 77         (void**)&d_C,
 78         M*M * sizeof(float)    
 79     );
 80 
 81     // 将矩阵数据传递进 显存 中已经开辟好了的空间
 82     cublasSetVector (
 83         N*M,    // 要存入显存的元素个数
 84         sizeof(float),    // 每个元素大小
 85         h_A,    // 主机端起始地址
 86         1,    // 连续元素之间的存储间隔
 87         d_A,    // GPU 端起始地址
 88         1    // 连续元素之间的存储间隔
 89     );
 90     cublasSetVector (
 91         N*M, 
 92         sizeof(float), 
 93         h_B, 
 94         1, 
 95         d_B, 
 96         1
 97     );
 98 
 99     // 同步函数
100     cudaThreadSynchronize();
101 
102     // 传递进矩阵相乘函数中的参数，具体含义请参考函数手册。
103     float a=1; float b=0;
104     // 矩阵相乘。该函数必然将数组解析成列优先数组
105     cublasSgemm (
106         handle,    // blas 库对象 
107         CUBLAS_OP_T,    // 矩阵 A 属性参数
108         CUBLAS_OP_T,    // 矩阵 B 属性参数
109         M,    // A, C 的行数 
110         M,    // B, C 的列数
111         N,    // A 的列数和 B 的行数
112         &a,    // 运算式的 α 值
113         d_A,    // A 在显存中的地址
114         N,    // lda
115         d_B,    // B 在显存中的地址
116         M,    // ldb
117         &b,    // 运算式的 β 值
118         d_C,    // C 在显存中的地址(结果矩阵)
119         M    // ldc
120     );
121     
122     // 同步函数
123     cudaThreadSynchronize();
124 
125     // 从 显存 中取出运算结果至 内存中去
126     cublasGetVector (
127         M*M,    //  要取出元素的个数
128         sizeof(float),    // 每个元素大小
129         d_C,    // GPU 端起始地址
130         1,    // 连续元素之间的存储间隔
131         h_C,    // 主机端起始地址
132         1    // 连续元素之间的存储间隔
133     );
134     
135     // 打印运算结果
136     cout << "计算结果的转置 ( (A*B)的转置 )：" << endl;
137 
138     for (int i=0;i<M*M; i++){
139             cout << h_C[i] << " ";
140             if ((i+1)%M == 0) cout << endl;
141     }
142     
143     // 清理掉使用过的内存
144     free (h_A);
145     free (h_B);
146     free (h_C);
147     cudaFree (d_A);
148     cudaFree (d_B);
149     cudaFree (d_C);
150 
151     // 释放 CUBLAS 库对象
152     cublasDestroy (handle);
153 
154     getchar();
155     
156     return 0;
157 }

运行结果

PS: 矩阵元素是随机生成的。

补充说明

　　不论什么开发环境的搭建，都应该确保自己电脑的硬件配置，软件版本和参考文档的一致。这样才能确保最短的时间内完成搭建，进入到具体的开发环节。