前言
本文講解如何在VS 2010開發平台中搭建CUDA開發環境。
當前配置：
系統：WIN7 64位
開發平台：VS 2010
顯卡：英偉達G卡
CUDA版本：6.0
若配置不同，請謹慎參考本文。
第一步：下載CUDA
點擊這里下載 cuda最新版。得到類似：
cuda_6.0.37_winvista_win7_win8.1_general_64.exe
類型的安裝包。
第二步：設置安裝路徑
運行安裝程序，彈出安裝過程中轉文件路徑設定框：
這個路徑隨便填無所謂，安裝完后就會自動刪除的，我就直接設置為默認的。
第三步：檢測安裝環境
等待系統幫你檢測當前平台是否適合搭建CUDA：
第四步：許可聲明
檢測完畢后，正式進入CUDA安裝界面：
同意並繼續。
第五步：選擇安裝模式
然后選擇安裝模式：
為了完全安裝所有功能，選擇自定義模式安裝。
第六步：勾選組件
接下來勾選要安裝的組件：
全部勾上。
第七步：設置安裝路徑
接下來要設置三個安裝路徑：
這三個路徑安裝的是什么在日后的文章中將會解釋，目前先不理會，直接安裝到默認路徑。點擊下一步之后開始正式安裝。
第八步：配置環境變量
安裝完畢后，可以看到系統中多了CUDA_PATH和CUDA_PATH_V6_0兩個環境變量，接下來，還要在系統中添加以下幾個環境變量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0
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，在系統變量 PATH 的末尾添加：
;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
第九步：重啟計算機
重新啟動計算機以使環境變量生效。
第十步：啟動Visual studio項目
打開VS2010並建立一個空的win32控制台項目：
附加選項那里請把“空項目”打鈎：
第十一步：添加CUDA文件類型
右鍵源文件 -> 添加 -> 新建項 如下圖所示：
在打開的對話框中選擇新建一個CUDA格式的源文件 (如果你只是要調用 CUDA 庫編寫程序而不需要自行調用核函數分配塊、線程的話也可以就建立 .cpp 的源文件)：
第十二步：配置生成屬性
右鍵工程 -> 生成自定義 如下圖所示：
在彈出的對話框中勾選“CUDA 6.0 *****"選項：
第十三步：配置基本庫目錄
右鍵項目 -> 屬性 -> 配置屬性 -> VC++目錄，添加以下兩個包含目錄：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.0\include
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0\common\inc
再添加以下兩個庫目錄：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.0\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0\common\lib\x64
第十四步：配置CUDA靜態鏈接庫路徑
右鍵項目 -> 屬性 -> 配置屬性 ->連接器 -> 常規 -> 附加庫目錄，添加以下目錄：
$(CUDA_PATH_V6_0)\lib\$(Platform)
如下圖所示：
第十五步：選用CUDA靜態鏈接庫
右鍵項目 -> 屬性 -> 配置屬性 ->連接器 -> 輸入 -> 附加依賴項，添加以下庫：
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位系統請勿附加此庫!)
nvcuvenc.lib
nvcuvid.lib
OpenCL.lib
如下圖所示：
第十六步：配置源碼文件風格
右鍵項目 -> 屬性，如下圖所示：
將項類型設置為 CUDA C/C++：
第十七步：調整配置管理器平台類型
打開配置管理器，如下圖所示：
點擊 新建，如下圖所示：
選擇 X64 平台：
第十八步：樣例測試
好了，至此平台已經完全搭建完畢，可用以下代碼進行測試：
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 }
運行結果
PS: 矩陣元素是隨機生成的。
補充說明
不論什么開發環境的搭建，都應該確保自己電腦的硬件配置，軟件版本和參考文檔的一致。這樣才能確保最短的時間內完成搭建，進入到具體的開發環節。