WIN7 64 位旗舰版安装 CUDA 6.0 过程（显卡为NVIDIA GT 440）

前言  本文是转载自网络！！！

　　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（zz用的 VS 2012 ,同样可运行）

　　　　显卡：英伟达G卡   （zz显卡型号为NVIDIA GT440）

　　　　CUDA版本：6.0

　　若配置不一样，请勿参阅本文。（注意：安装CUDA 8.0 以及 CUDA 7.5均失败，应该是显卡落后的原因。）

第一步

　　下载 cuda6.0，CUDA 历史版本下载地址为 ：

cuda历史各个版本下载链接

https://developer.nvidia.com/cuda-toolkit-archive

第二步

　　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

　　等待系统帮你检测当前平台是否适合搭建CUDA：

　　

第四步

　　检测完毕后，正式进入CUDA安装界面：

　　

　　同意并继续

第五步

　　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

　　接下来勾选要安装的组件：

　　

　　全部勾上

第七步

　　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

　　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：（注意：可能路径不一致，以自己安装的为准）

　　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

　　重新启动计算机以使环境变量生效

      下面先找到deviceQuery.exe文件，路径一般为：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.5\bin\win64\Release 。 直接拖到 cmd 窗口运行，如下图：

      这里要注意：红框内的计算能力对我们是有用的，需要在 VS 里进行设置，具体过程如下：

     1. 右键工程 --> 属性 , 找到 CUDA C/C++ --> Device 

      

      2. 点击 编辑 ，如下图，不勾选红框内选项。 我的GPU计算能力为 1.2 ,所以设置为 compute_12, sm_12 ，根据你的GPU计算       能力进行设置。

      

      

          有两种方法可进行CUDA与VS间的配置，下面先说第一种简单的方法：

第十步

   打开VS，文件 -> 新建 -> 项目。选择CUDA项目，如下图

 

VS会自动为你配置好环境，并且会自动创建一个 kernel.cu 例子文件。

                     第二种方法如下，有点麻烦：

第十步

　　打开VS2010并建立一个空的win32控制台项目：（VS 2012 同样可以这样配置）

　　

　　附加选项那里请把“空项目”打钩：

　　

第十一步

　　右键源文件 -> 添加 -> 新建项 

　　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

　　右键工程 -> 生成自定义 

　　在弹出的对话框中勾选“CUDA 6.0 *****"选项：

　　

第十三步

　　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

　　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

　　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

　　右键项目 -> 属性，如下图所示：

　　

第十七步

　　打开配置管理器，如下图所示：

　　

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 = 5;  int const N = 10;    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=0; i<N*M; i++) {          h_A[i] = (float)(rand()%10+1);          h_B[i] = (float)(rand()%10+1);            }            // 打印待测试的矩阵      cout << "矩阵 A :" << endl;      for (int i=0; i<N*M; i++){          cout << h_A[i] << " ";          if ((i+1)%N == 0) cout << endl;      }      cout << endl;     cout << "矩阵 B :" << endl;      for (int i=0; i<N*M; i++){          cout << h_B[i] << " ";          if ((i+1)%M == 0) 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          1,    // 连续元素之间的存储间隔          d_A,    // GPU 端起始地址          1    // 连续元素之间的存储间隔      );      cublasSetVector (          N*M,           sizeof(float),           h_B,           1,           d_B,           1      );        // 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=1; float b=0;     // 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         1,    // 连续元素之间的存储间隔         h_C,    // 主机端起始地址         1    // 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=0;i<M*M; i++){             cout << h_C[i] << " ";             if ((i+1)%M == 0) 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 0; }

运行结果

　　

　　PS: 矩阵元素是随机生成的

小结

　　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。

注意：版本问题也要注意，硬件可能不支持 CUDA 最新版本！！

！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

                                          下面是一些常见的错误及解决办法

一、错误如下图：

                                 

解决办法：没有链接cublas.lib库，如下图，在附加依赖项中添加 cublas.lib 库即可。

二、 其他错误如：计算结果不正确、编译通过但允许错误等，请参考   第九步 中 compute_20, sm_20的设置。

 其他错误后续更新中......................