win7(X64)系統下cuda7.5和VS2013的配置

&1 安裝

cuda7.5文件：鏈接：http://pan.baidu.com/s/1bU2zIQ 密碼：nvyw

 

&2 環境變量

注意：CUDA_PATH是安裝好cuda7.5之后會默認創建的，ProgramData是隱藏目錄，要修改其屬性，使其可見。

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5

CUDA_LIB_PATH = %CUDA_PATH%\lib\x64

CUDA_BIN_PATH = %CUDA_PATH%\bin

CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\x64

CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

 

然后，在系統的path變量之后追加下面一行：

 

;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;

 

 

&3 VS中的配置

• 新建一個空的項目，右邊解決方案資源管理器，源文件上右鍵單擊->添加新建項->CUDA C/C++ file

• 項目上右鍵單擊->生成依賴項->生成自定義，選擇CUDA7.5

• 項目上右鍵單擊->屬性->配置屬性->VC++目錄->包含目錄

　　　　C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\include
　　　　C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5\common\inc

• 項目上右鍵單擊->屬性->配置屬性->VC++目錄->庫目錄

　　　　C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\lib\x64
　　　　C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5\common\lib\x64

• 項目上右鍵單擊->屬性->配置屬性->鏈接器->常規->附加庫目錄

　　　　$(CUDA_PATH_V7_5)\lib\$(Platform)

• 項目上右鍵單擊->屬性->配置屬性->鏈接器->輸入->附加依賴項

　　　　cublas.lib
　　　　cublas_device.lib
　　　　cuda.lib
　　　　cudadevrt.lib
　　　　cudart.lib
　　　　cudart_static.lib
　　　　cufft.lib
　　　　cufftw.lib
　　　　curand.lib
　　　　cusolver.lib
　　　　cusparse.lib
　　　　nppc.lib
　　　　nppi.lib
　　　　npps.lib
　　　　nvblas.lib
　　　　nvcuvid.lib
　　　　nvrtc.lib
　　　　OpenCL.lib

　　就是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\lib\x64目錄下的庫。

• 單擊菜單欄中的生成->配置管理器

　　　　將平台改為X64

 

&4 測試

// CUDA runtime 庫 + CUBLAS 庫 
#include "cuda_runtime.h" 
#include "cublas_v2.h"

#include <time.h> 
#include <iostream>

using namespace std;

// 定義測試矩陣的維度 
int const M = 5;
int const N = 10;

int main()
{
// 定義狀態變量 
cublasStatus_t status;

// 在 內存 中為將要計算的矩陣開辟空間 
float *h_A = (float*)malloc(N*M*sizeof(float));
float *h_B = (float*)malloc(N*M*sizeof(float));

// 在 內存 中為將要存放運算結果的矩陣開辟空間 
float *h_C = (float*)malloc(M*M*sizeof(float));

// 為待運算矩陣的元素賦予 0-10 范圍內的隨機數 
for (int i = 0; i<N*M; i++) {
h_A[i] = (float)(rand() % 10 + 1);
h_B[i] = (float)(rand() % 10 + 1);

}

// 打印待測試的矩陣 
cout << "矩陣 A :" << endl;
for (int i = 0; i<N*M; i++){
cout << h_A[i] << " ";
if ((i + 1) % N == 0) cout << endl;
}
cout << endl;
cout << "矩陣 B :" << endl;
for (int i = 0; i<N*M; i++){
cout << h_B[i] << " ";
if ((i + 1) % M == 0) cout << endl;
}
cout << endl;

/*
** GPU 計算矩陣相乘
*/

// 創建並初始化 CUBLAS 庫對象 
cublasHandle_t handle;
status = cublasCreate(&handle);

if (status != CUBLAS_STATUS_SUCCESS)
{
if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
cout << "CUBLAS 對象實例化出錯" << endl;
}
getchar();
return EXIT_FAILURE;
}

float *d_A, *d_B, *d_C;
// 在 顯存 中為將要計算的矩陣開辟空間 
cudaMalloc(
(void**)&d_A, // 指向開辟的空間的指針 
N*M * sizeof(float) //　需要開辟空間的字節數 
);
cudaMalloc(
(void**)&d_B,
N*M * sizeof(float)
);

// 在 顯存 中為將要存放運算結果的矩陣開辟空間 
cudaMalloc(
(void**)&d_C,
M*M * sizeof(float)
);

// 將矩陣數據傳遞進 顯存 中已經開辟好了的空間 
cublasSetVector(
N*M, // 要存入顯存的元素個數 
sizeof(float), // 每個元素大小 
h_A, // 主機端起始地址 
1, // 連續元素之間的存儲間隔 
d_A, // GPU 端起始地址 
1 // 連續元素之間的存儲間隔 
);
cublasSetVector(
N*M,
sizeof(float),
h_B,
1,
d_B,
1
);

// 同步函數 
cudaThreadSynchronize();

// 傳遞進矩陣相乘函數中的參數，具體含義請參考函數手冊。 
float a = 1; float b = 0;
// 矩陣相乘。該函數必然將數組解析成列優先數組 
cublasSgemm(
handle, // blas 庫對象 
CUBLAS_OP_T, // 矩陣 A 屬性參數 
CUBLAS_OP_T, // 矩陣 B 屬性參數 
M, // A, C 的行數 
M, // B, C 的列數 
N, // A 的列數和 B 的行數 
&a, // 運算式的 α 值 
d_A, // A 在顯存中的地址 
N, // lda 
d_B, // B 在顯存中的地址 
M, // ldb 
&b, // 運算式的 β 值 
d_C, // C 在顯存中的地址(結果矩陣) 
M // ldc 
);

// 同步函數 
cudaThreadSynchronize();

// 從 顯存 中取出運算結果至 內存中去 
cublasGetVector(
M*M, // 要取出元素的個數 
sizeof(float), // 每個元素大小 
d_C, // GPU 端起始地址 
1, // 連續元素之間的存儲間隔 
h_C, // 主機端起始地址 
1 // 連續元素之間的存儲間隔 
);

// 打印運算結果 
cout << "計算結果的轉置 ( (A*B)的轉置 )：" << endl;

for (int i = 0; i<M*M; i++){
cout << h_C[i] << " ";
if ((i + 1) % M == 0) cout << endl;
}

// 清理掉使用過的內存 
free(h_A);
free(h_B);
free(h_C);
cudaFree(d_A);
cudaFree(d_B);
cudaFree(d_C);

// 釋放 CUBLAS 庫對象 
cublasDestroy(handle);

getchar();

return 0;
}