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:\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 Files\NVIDIA GPU Computing Toolkit\CUDA\v6.0\include

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0\common\inc

再添加以下两个库目录：

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：

 // CUDA runtime 库 + CUBLAS 库
 #include "cuda_runtime.h"
 #include "cublas_v2.h"
 
 #include <time.h>
 #include <iostream>
 
 using namespace std;
 
 // 定义测试矩阵的维度
 int const M = ;
 int const N = ;
 
 int main()
 {
     // 定义状态变量
     cublasStatus_t status;
 
     // 在 内存 中为将要计算的矩阵开辟空间
     float *h_A = (float*)malloc (N*M*sizeof(float));
     float *h_B = (float*)malloc (N*M*sizeof(float));
 
     // 在 内存 中为将要存放运算结果的矩阵开辟空间
     float *h_C = (float*)malloc (M*M*sizeof(float));
 
     // 为待运算矩阵的元素赋予 0-10 范围内的随机数
     for (int i=; i<N*M; i++) {
         h_A[i] = (float)(rand()%+);
         h_B[i] = (float)(rand()%+);
 
     }
 
     // 打印待测试的矩阵
     cout << "矩阵 A :" << endl;
     for (int i=; i<N*M; i++){
         cout << h_A[i] << " ";
         if ((i+)%N == ) cout << endl;
     }
     cout << endl;
     cout << "矩阵 B :" << endl;
     for (int i=; i<N*M; i++){
         cout << h_B[i] << " ";
         if ((i+)%M == ) cout << endl;
     }
     cout << endl;
 
     /*
     ** GPU 计算矩阵相乘
     */
 
     // 创建并初始化 CUBLAS 库对象
     cublasHandle_t handle;
     status = cublasCreate(&handle);
 
     if (status != CUBLAS_STATUS_SUCCESS)
     {
         if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
             cout << "CUBLAS 对象实例化出错" << endl;
         }
         getchar ();
         return EXIT_FAILURE;
     }
 
     float *d_A, *d_B, *d_C;
     // 在 显存 中为将要计算的矩阵开辟空间
     cudaMalloc (
         (void**)&d_A,    // 指向开辟的空间的指针
         N*M * sizeof(float)    //　需要开辟空间的字节数
     );
     cudaMalloc (
         (void**)&d_B,
         N*M * sizeof(float)
     );
 
     // 在 显存 中为将要存放运算结果的矩阵开辟空间
     cudaMalloc (
         (void**)&d_C,
         M*M * sizeof(float)
     );
 
     // 将矩阵数据传递进 显存 中已经开辟好了的空间
     cublasSetVector (
         N*M,    // 要存入显存的元素个数
         sizeof(float),    // 每个元素大小
         h_A,    // 主机端起始地址
         ,    // 连续元素之间的存储间隔
         d_A,    // GPU 端起始地址
             // 连续元素之间的存储间隔
     );
     cublasSetVector (
         N*M,
         sizeof(float),
         h_B,
         ,
         d_B, 
 
     );
 
     // 同步函数
     cudaThreadSynchronize();
 
     // 传递进矩阵相乘函数中的参数，具体含义请参考函数手册。
     float a=; float b=;
     // 矩阵相乘。该函数必然将数组解析成列优先数组
     cublasSgemm (
         handle,    // blas 库对象
         CUBLAS_OP_T,    // 矩阵 A 属性参数
         CUBLAS_OP_T,    // 矩阵 B 属性参数
         M,    // A, C 的行数
         M,    // B, C 的列数
         N,    // A 的列数和 B 的行数
         &a,    // 运算式的 α 值
         d_A,    // A 在显存中的地址
         N,    // lda
         d_B,    // B 在显存中的地址
         M,    // ldb
         &b,    // 运算式的 β 值
         d_C,    // C 在显存中的地址(结果矩阵)
         M    // ldc
     );
 
     // 同步函数
     cudaThreadSynchronize();
 
     // 从 显存 中取出运算结果至 内存中去
     cublasGetVector (
         M*M,    //  要取出元素的个数
         sizeof(float),    // 每个元素大小
         d_C,    // GPU 端起始地址
         ,    // 连续元素之间的存储间隔
         h_C,    // 主机端起始地址
             // 连续元素之间的存储间隔
     );
 
     // 打印运算结果
     cout << "计算结果的转置 ( (A*B)的转置 )：" << endl;
 
     for (int i=;i<M*M; i++){
             cout << h_C[i] << " ";
             if ((i+)%M == ) cout << endl;
     }
 
     // 清理掉使用过的内存
     free (h_A);
     free (h_B);
     free (h_C);
     cudaFree (d_A);
     cudaFree (d_B);
     cudaFree (d_C);
 
     // 释放 CUBLAS 库对象
     cublasDestroy (handle);
 
     getchar();
 
     return ;
 }

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。