CUDA7.5安装和vs2013配置

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

• 1. 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

• 1. 配置属性–>连接器–>输入–>附加依赖项
• 1. 添加库文件：
     cublas.lib
     cuda.lib
     cudadevrt.lib
     cudart.lib
     cudart_static.lib
     nvcuvid.lib
     OpenCL.lib`

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

• 1. 右键点击项目属性–>属性–>配置属性–>VC++目录–>包含目录
• 1. 添加包含目录：
     $(CUDA_PATH)\include

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

• 1. 配置属性–>连接器–>输入–>附加依赖项
• 1. 添加库文件：
     cuda.lib
     cudadevrt.lib
     cudart.lib
     cudart_static.lib
     nvcuvid.lib
     OpenCL.lib`

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

• 1. cuda6.0安装及配置