首先聲明，本文借鑒自：http://blog.csdn.net/u011314529/article/details/51505029
所以，可參考鏈接的博文。但原文有個瑕疵就是，cublas.lib錯寫成了cudlas.lib。
其次，我還是記下我的CUDA8.0的安裝和測試過程，是為備忘。
步驟如下：
1.下載安裝CUDA：
1.1 下載。請到 cuda官網，選擇合適的版本。如果版本不合適，安裝的時候會提示的，但還是下載最新的比較好；
1.2 安裝。雙擊cuda_7.5.18_win10.exe,一步步來就好。
2.VS2013配置和測試
2.1 重啟計算機。關於是否添加環境變量，筆者安裝的時候系統已自動添加好對應的環境變量，如果沒有，請查看上文鏈接的博文；
2.2 配置VS。也請參考上述博文，不再贅述。
3.測試
上兩個測試文件。
3.1
1 #include< stdio.h> 2 #include "cuda_runtime.h" 3 #include "device_launch_parameters.h" 4 bool InitCUDA() 5 { 6 int count; 7 cudaGetDeviceCount(&count); 8 if(count == 0) 9 { 10 fprintf(stderr, "There is no device.\n"); 11 return false; 12 } 13 int i; 14 for(i = 0; i < count; i++) 15 { 16 cudaDeviceProp prop; 17 if(cudaGetDeviceProperties(&prop, i) == cudaSuccess) 18 { 19 if(prop.major >= 1) 20 { 21 break; 22 } 23 } 24 } 25 if(i == count) 26 { 27 fprintf(stderr, "There is no device supporting CUDA 1.x.\n"); 28 return false; 29 } 30 cudaSetDevice(i); 31 return true; 32 } 33 34 int main() 35 { 36 if(!InitCUDA()) 37 { 38 return 0; 39 } 40 printf("HelloWorld, CUDA has been initialized.\n"); 41 return 0; 42 }
3.2
1 // CUDA runtime 庫 + CUBLAS 庫 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 // 定義測試矩陣的維度 11 int const M = 5; 12 int const N = 10; 13 14 int main() 15 { 16 // 定義狀態變量 17 cublasStatus_t status; 18 19 // 在 內存 中為將要計算的矩陣開辟空間 20 float *h_A = (float*)malloc (N*M*sizeof(float)); 21 float *h_B = (float*)malloc (N*M*sizeof(float)); 22 23 // 在 內存 中為將要存放運算結果的矩陣開辟空間 24 float *h_C = (float*)malloc (M*M*sizeof(float)); 25 26 // 為待運算矩陣的元素賦予 0-10 范圍內的隨機數 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 // 打印待測試的矩陣 34 cout << "矩陣 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 << "矩陣 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 計算矩陣相乘 49 */ 50 51 // 創建並初始化 CUBLAS 庫對象 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 對象實例化出錯" << endl; 59 } 60 getchar (); 61 return EXIT_FAILURE; 62 } 63 64 float *d_A, *d_B, *d_C; 65 // 在 顯存 中為將要計算的矩陣開辟空間 66 cudaMalloc ( 67 (void**)&d_A, // 指向開辟的空間的指針 68 N*M * sizeof(float) // 需要開辟空間的字節數 69 ); 70 cudaMalloc ( 71 (void**)&d_B, 72 N*M * sizeof(float) 73 ); 74 75 // 在 顯存 中為將要存放運算結果的矩陣開辟空間 76 cudaMalloc ( 77 (void**)&d_C, 78 M*M * sizeof(float) 79 ); 80 81 // 將矩陣數據傳遞進 顯存 中已經開辟好了的空間 82 cublasSetVector ( 83 N*M, // 要存入顯存的元素個數 84 sizeof(float), // 每個元素大小 85 h_A, // 主機端起始地址 86 1, // 連續元素之間的存儲間隔 87 d_A, // GPU 端起始地址 88 1 // 連續元素之間的存儲間隔 89 ); 90 cublasSetVector ( 91 N*M, 92 sizeof(float), 93 h_B, 94 1, 95 d_B, 96 1 97 ); 98 99 // 同步函數 100 cudaThreadSynchronize(); 101 102 // 傳遞進矩陣相乘函數中的參數，具體含義請參考函數手冊。 103 float a=1; float b=0; 104 // 矩陣相乘。該函數必然將數組解析成列優先數組 105 cublasSgemm ( 106 handle, // blas 庫對象 107 CUBLAS_OP_T, // 矩陣 A 屬性參數 108 CUBLAS_OP_T, // 矩陣 B 屬性參數 109 M, // A, C 的行數 110 M, // B, C 的列數 111 N, // A 的列數和 B 的行數 112 &a, // 運算式的 α 值 113 d_A, // A 在顯存中的地址 114 N, // lda 115 d_B, // B 在顯存中的地址 116 M, // ldb 117 &b, // 運算式的 β 值 118 d_C, // C 在顯存中的地址(結果矩陣) 119 M // ldc 120 ); 121 122 // 同步函數 123 cudaThreadSynchronize(); 124 125 // 從 顯存 中取出運算結果至 內存中去 126 cublasGetVector ( 127 M*M, // 要取出元素的個數 128 sizeof(float), // 每個元素大小 129 d_C, // GPU 端起始地址 130 1, // 連續元素之間的存儲間隔 131 h_C, // 主機端起始地址 132 1 // 連續元素之間的存儲間隔 133 ); 134 135 // 打印運算結果 136 cout << "計算結果的轉置 ( (A*B)的轉置 )：" << 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 // 清理掉使用過的內存 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 // 釋放 CUBLAS 庫對象 152 cublasDestroy (handle); 153 154 getchar(); 155 156 return 0; 157 }
特別注意，是cublas.lib，不是cudlas.lib
祝好運。