CUDA7.5安装和vs2013配置
来源:互联网 发布:如何删除网络驱动器 编辑:程序博客网 时间:2024/05/22 09:41
1.VS2013 + CUDA7.5 安装和配置
转载地址:http://blog.csdn.net/u011314529/article/details/51505029
1.1 CUDA 7.5 安装
- 1.cuda官方下载网址,目前最新版本为cuda7.5,选择自己系统对应的版本下载安装程序。
- 2.运行cuda_ 7.5.18_windows.exe,程序会检测系统的兼容性如下图:
3.选择“同意并继续”,进入下图安装过程 (备注:安装cuda时,要关闭所有的vs程序)
4.等待大概半个小时后,安装程序终于完成了。
1.2 添加环境变量
CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5CUDA_PATH_V7_5 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5CUDA_LIB_PATH = %CUDA_PATH%\lib\x64CUDA_BIN_PATH = %CUDA_PATH%\binCUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64CUDA_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_BIN_PATH%;%CUDA_SDK_LIB_PATH%;
1.3 重启计算机使得环境变量生效
1.4 VS2013 + CUDA7.5配置
- 1.打开vs2013并创建一个空win32程序,创建一个cuda_samples的解决方案和cuda_test1项目:
- 2.右键源文件–>添加–>新建项,如下图所示:
- 3.选择NIVIDIA CUDA7.5中 CUDA C/C++file,并在名称那填上cuda_main
- 4.选择cuda_test1,点击右键–>项目依赖项–>自定义生成
- 5.选择CUDA7.5
- 6.点击cuda_main.cu的属性
- 在配置属性–>常规–>项类型–>选择“CUDA C/C++”
1.5 项目配置
1.5.1 x64
1.5.1.1 包含目录配置
- 1.右键点击项目属性–>属性–>配置属性–>VC++目录–>包含目录
- 2.添加包含目录:
$(CUDA_PATH)\include
1.5.1.2 库目录配置
- 1.VC++目录–>库目录
- 2.添加库目录:
$(CUDA_PATH)\lib\x64
1.5.1.3 依赖项
- 配置属性–>连接器–>输入–>附加依赖项
- 添加库文件:
cublas.lib
cuda.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
nvcuvid.lib
OpenCL.lib`
- 添加库文件:
注意:添加nvcuvenc.lib库文件,编译时,报找不到该文件的错误。去掉后,程序也能运行
1.5.2 x86(win32)
1.5.2.1 包含目录配置
- 右键点击项目属性–>属性–>配置属性–>VC++目录–>包含目录
- 添加包含目录:
$(CUDA_PATH)\include
- 添加包含目录:
1.5.2.2 库目录配置
- 1.VC++目录–>库目录
- 2.添加库目录:
$(CUDA_PATH)\lib\Win32
1.5.2.3 依赖项
- 配置属性–>连接器–>输入–>附加依赖项
- 添加库文件:
cuda.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
nvcuvid.lib
OpenCL.lib`
- 添加库文件:
备注: win32和x64位的lib库有差别,配置时需注意,除了上述添加的lib文件外,x64还有其他的lib库文件,如cublas.lib,如运行1.6的样例时,要添加这个库,不然会编译失败。
1.6 样例
// 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 // );// 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;}
运行结果如下图所示:
参考网址
- cuda6.0安装及配置
2 0
- CUDA7.5安装和vs2013配置
- VS2013+CUDA7.5配置
- VS2013 cuda7.5 配置
- vs2013和cuda7.5配置使用
- windows+VS2013+CUDA7.5配置
- WIN10 VS2013 GTX960M NVIDIA显卡驱动和CUDA7.5安装 配置Caffe
- 【window10+vs2013+opencv3.0+cuda7.5安装与配置】
- win7 64位 CUDA7.5 VS2013 安装配置
- caffe的安装配置(CUDA7.5+VS2013)
- win7(X64)系统下cuda7.5和VS2013的配置
- Windows10+Caffe+CUDA7.5+VS2013环境配置
- Windows10+Caffe+CUDA7.5+VS2013环境配置
- Win10+VS2013+CUDA7.5 Caffe 配置过程
- Caffe+Cuda7.5+VS2013+Win10 配置
- win7+vs2013+CUDA7.5的配置
- caffe+win10+VS2013+cuda7.5配置
- windows8.1+VS2013下CUDA7.5配置
- CUDA7.5+OpenCV3.1+VS2013+Win7配置
- MathType中如何快速输入空心字母
- 欢迎使用CSDN-markdown编辑器
- Linux同步技术之条件变量
- Spring MVC Ajax请求加载更多
- 检测到ContextSwitchDeadlock解决方法
- CUDA7.5安装和vs2013配置
- 探索PHP
- Linux下DNS服务器部署
- mysql db 下载
- thinkphp的field方法的用法总结,或许还有你不知道的
- 对象和类
- 面向对象基础
- 发现tomcat死活编译不了项目的解决方法
- Oracle DBLink 理解、授权、创建、删除、访问表授权