CUDA与VS2013使用
目录
2.2 CUDA 函数高亮，及CUDA 函数输入代码提示 12
1. 在Visual Studio的CUDA开发方法
1.1 自动配置 (推荐)
可以通过VS2013提供的CUDA模板进行自动配置。打开VS，新建项目,选择CUDA 7.0 Runtime，从而生成一个类似"hello world"的程序，这是VS自动生成一个累赘的代码，如下图所示。
若存在编译错误，则在：项目属性à配置属性à清单工具à输入和输出à嵌入清单中的下拉框中，选择"否"；
1.2 手动配置（不推荐）
如果是新手，推荐使用自动配置方式来新建工程后，在里面修改代码成为自己的工程，配置属性不会出错。若是进行手动配置也是可以的，只是进行的配置非常繁琐。手动配置需要进行的操作如下：
1.2.1 新建Win32控制台应用程序
为了演示手动配置的方法，首先新建一个Win32的控制台项目，然后添加一些CUDA代码，完成一些必备的工作。
1.2.2 添加CUDA依赖库
为了使用Visual Studio工具进行CUDA编程，需要添加CUDA的依赖库，使其可以调用CUAD的API.
1.2.3 添加.cu文件
在Visual Studio进行CUDA编程，是以.cu文件进行编程，类似于C++常以.cpp文件一样。所以为了使用CUDA，需在VS中添加.cu文件，其操作方式是：右键源文件文件夹->新建项->选择cuda c/c++->新建一个以.cu结尾的文件。
在main.cu文件中添加自动配置生成的代码，若手动配置后的代码能执行与自动配置执行一样的程序，那么说明手动配置成功，代码如下：
2
3 #include " device_launch_parameters.h "
4
5 #include <stdio.h>
6
7 cudaError_t addWithCuda( int *c, const int *a, const int *b, unsigned int size);
8
9 __global__ void addKernel( int *c, const int *a, const int *b){
10
11 int i = threadIdx.x;
12
13 c[i] = a[i] + b[i];
14
15 }
16
17 int main(){
18
19 const int arraySize = 5;
20
21 const int a[arraySize] = { 1, 2, 3, 4, 5 };
22
23 const int b[arraySize] = { 10, 20, 30, 40, 50 };
24
25 int c[arraySize] = { 0 };
26
27
28
29 // Add vectors in parallel.
30
31 cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize);
32
33 if (cudaStatus != cudaSuccess) {
34
35 fprintf(stderr, " addWithCuda failed! ");
36
37 return 1;
38
39 }
40
41
42
43 printf( " {1,2,3,4,5} + {10,20,30,40,50} = {%d,%d,%d,%d,%d}\n ",
44
45 c[ 0], c[ 1], c[ 2], c[ 3], c[ 4]);
46
47
48
49 // cudaDeviceReset must be called before exiting in order for profiling and
50
51 // tracing tools such as Nsight and Visual Profiler to show complete traces.
52
53 cudaStatus = cudaDeviceReset();
54
55 if (cudaStatus != cudaSuccess) {
56
57 fprintf(stderr, " cudaDeviceReset failed! ");
58
59 return 1;
60
61 }
62
63
64
65 return 0;
66
67 }
68
69 cudaError_t addWithCuda( int *c, const int *a, const int *b, unsigned int size){
70
71 int *dev_a = 0;
72
73 int *dev_b = 0;
74
75 int *dev_c = 0;
76
77 cudaError_t cudaStatus;
78
79
80
81 cudaStatus = cudaSetDevice( 0);
82
83 if (cudaStatus != cudaSuccess) {
84
85 fprintf(stderr, " cudaSetDevice failed! Do you have a CUDA-capable GPU installed? ");
86
87 goto Error;
88
89 }
90
91 cudaStatus = cudaMalloc(( void**)&dev_c, size * sizeof( int));
92
93 if (cudaStatus != cudaSuccess) {
94
95 fprintf(stderr, " cudaMalloc failed! ");
96
97 goto Error;
98
99 }
100
101 cudaStatus = cudaMalloc(( void**)&dev_a, size * sizeof( int));
102
103 if (cudaStatus != cudaSuccess) {
104
105 fprintf(stderr, " cudaMalloc failed! ");
106
107 goto Error;
108
109 }
110
111 cudaStatus = cudaMalloc(( void**)&dev_b, size * sizeof( int));
112
113 if (cudaStatus != cudaSuccess) {
114
115 fprintf(stderr, " cudaMalloc failed! ");
116
117 goto Error;
118
119 }
120
121 // Copy input vectors from host memory to GPU buffers.
122
123 cudaStatus = cudaMemcpy(dev_a, a, size * sizeof( int), cudaMemcpyHostToDevice);
124
125 if (cudaStatus != cudaSuccess) {
126
127 fprintf(stderr, " cudaMemcpy failed! ");
128
129 goto Error;
130
131 }
132
133 cudaStatus = cudaMemcpy(dev_b, b, size * sizeof( int), cudaMemcpyHostToDevice);
134
135 if (cudaStatus != cudaSuccess) {
136
137 fprintf(stderr, " cudaMemcpy failed! ");
138
139 goto Error;
140
141 }
142
143 // Launch a kernel on the GPU with one thread for each element.
144
145 addKernel << < 1, size >> >(dev_c, dev_a, dev_b);
146
147
148
149 // Check for any errors launching the kernel
150
151 cudaStatus = cudaGetLastError();
152
153 if (cudaStatus != cudaSuccess) {
154
155 fprintf(stderr, " addKernel launch failed: %s\n ", cudaGetErrorString(cudaStatus));
156
157 goto Error;
158
159 }
160
161
162
163 // cudaDeviceSynchronize waits for the kernel to finish, and returns
164
165 // any errors encountered during the launch.
166
167 cudaStatus = cudaDeviceSynchronize();
168
169 if (cudaStatus != cudaSuccess) {
170
171 fprintf(stderr, " cudaDeviceSynchronize returned error code %d after launching addKernel!\n ", cudaStatus);
172
173 goto Error;
174
175 }
176
177 // Copy output vector from GPU buffer to host memory.
178
179 cudaStatus = cudaMemcpy(c, dev_c, size * sizeof( int), cudaMemcpyDeviceToHost);
180
181 if (cudaStatus != cudaSuccess) {
182
183 fprintf(stderr, " cudaMemcpy failed! ");
184
185 goto Error;
186
187 }
188
189 Error:
190
191 cudaFree(dev_c);
192
193 cudaFree(dev_a);
194
195 cudaFree(dev_b);
196
197 return cudaStatus;
198 }
1.2.4 配置环境编译器
由于CUDA编程中，host和device使用不同的编译器进行编译，而具体到开发平台上时，VS是根据文件的后缀来识别不同的文件并进行编译，即CUDA和C/C++文件使用不同的编译器，所以需要为CUDA指定编译器。其操作过程为：
右键test.cu->属性->选择cuda c/c++编译器
1.2.5 配置连接器：常规
配置连接器是指为CUDA编程指定需要的库文件，其操作过程为：
右键工程->属性->链接器->常规->附加库目录->添加目录 $(CUDA_PATH_V5_5)\lib\$(Platform);
1.2.6 配置连接器：输入
在链接器->输入中添加 cudart.lib
1.2.7 编译完成
至此，编译环境的相关搭建就完成了，运行程序的结果与自动配置一样，如下图所示，从而表明手动配置成功。
2. CU文件关键词及函数高亮显示
本节参考网络地址为：博客地址；
2.1 cu 文件中C/C++关键字高亮
这个设置是让Visual Studio2013 在编辑.cu 文件时，把.cu 文件里的 C/C++语法高亮。
设置方法： 在Visual Studio 2013 的菜单依次选 " Tools|Options|Text Editor|File Extension（工具|选项|文本编 辑器|文件扩展名）"，在该窗口中将"Editor（编辑器）"下拉框选择"Microsoft Visual C++"，在"Extension（扩展名）"文本框中输入cu 点击"Add（添 加）"按钮，重复工作把cuh 添加为Visual C++类型，添加完成后点击"OK （确定）"按钮，如下图所示。
2.2 CUDA 函数高亮，及CUDA 函数输入代码提示
实现这个功能需要使用Visual Assist X，如果没有安装支持Visual Studio 2010 的Visual Assist X，这部分功能无法实现。这里只是为使编写代码更加方便，对 与CUDA 程序的开发无实质性障碍。
如果已经安装Visual Assist X，可以通过以下两步实现需要的功能。
1) 使Visual Assist X 支持CUDA 函数高亮和代码完成
在Visual Studio 2013的菜单里依次选择："VAssistX|Visual assist X Options|Projects|C/C++Directories"，在该界面的"Platform"下拉框中选 择Custom，在"Show Directories for"下拉框中选择Other include files, 然后在下面的输入框里，新建、添加如下路径，如下图：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.0\include
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.0\common\inc
2) 使Visual Assist X 支持CUDA 函数高亮和代码完成
使Visual Assist X 实现.cu 文件高亮和代码完成功能，需要编辑注册表。 在修改注册表时，为避免带来不必要的错误请先关闭Visual Studio 2013。 使用Win+R组合键打开"运行"窗口，键入入regedit 命令（register edit 的缩写）
打开注册表，找到如下位置： HKEY_CURRENT_USER\Software\Whole Tomato\Visual Assist X\VANet10。在右边找到ExtSource 项目，鼠标右键选修改，在原有文字后 添加如下文字：.cu;.cuh; 确定后关闭注册表。
重新打开Visual Studio 2010，Visual Assist X 便开始支持.cu 及.cuh 文件的语法高亮及代码完成。此时.cu 文件的CUDA 函数是高亮的，使用函数名符号就会自动提示函数全称，参数类型等信息。
