vs2013和cuda7.5配置使用
来源:互联网 发布:路由器防蹭网屏蔽软件 编辑:程序博客网 时间:2024/06/05 04:57
一、前言
由于想学习gpu并行运算提高计算效率,并且经过数次配置失败,最后终于成功了,于是决定把配置过程写下来,希望别人少走个坑,vs2013和cuda7.5配置主要参考了http://blog.csdn.net/u013422712/article/details/49498055
二、电脑配置
电脑配置为Windows7 + VS2013+ NVIDIA GeForce GT 550M
三、安装cuda
进入cuda官网https://developer.nvidia.com/cuda-downloads,下载新版cuda,我这里是7.5.18,正常安装即可,路径均为默认路径。默认安装在C盘。
四、配置环境变量
修改环境变量,安装完cuda7.5,系统会自动生成2个系统变量CUDA_PATH和CUDA_PATH_V7_5。
变量名:CUDA_PATH
变量值:C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v7.5
变量名:CUDA_PATH_V7_5
变量值:C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v7.5
需要继续在系统变量添加
变量名:CUDA_SDK_PATH
变量值:C:\ProgramData\NVIDIACorporation\CUDA Samples\v7.5
变量名:CUDA_LIB_PATH
变量值:%CUDA_PATH%\lib\x64
变量名:CUDA_BIN_PATH
变量值:%CUDA_PATH%\bin
变量名:CUDA_SDK_BIN_PATH
变量值:%CUDA_SDK_PATH%\bin\x64
变量名:CUDA_SDK_LIB_PATH
变量值:%CUDA_SDK_PATH%\common\lib\x64
最后在系统变量PATH的变量值后面添加:
;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
五、安装最新显卡驱动
去英伟达官网http://www.geforce.cn/drivers下载最新的显卡驱动,在设备管理器可看显卡驱动,我的是NVIDIA GeForce GT 550M,故下载下载后默认路径安装即可
六、vs2013设置
打开VS2013并建立一个空的win32控制台项目
a.右键工程 -> 生成依赖项 -> 生成自定义,选择CUDA 7.5
b.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 ComputingToolkit\CUDA\v7.5\include
C:\ProgramData\NVIDIA Corporation\CUDASamples\v7.5\common\inc
再添加以下两个库目录:
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v7.5\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDASamples\v7.5\common\lib\x64
c.右键项目 -> 属性 -> 配置属性 ->链接器 -> 常规 -> 附加库目录,添加以下目录:
$(CUDA_PATH_V7_5)\lib\$(Platform)
d.右键项目 -> 属性 -> 配置属性 ->链接器 -> 输入 -> 附加依赖项,添加以下库:
其实就是 C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v7.5\lib\x64 目录下的库
cublas.lib
cublas_device.lib
cuda.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
cufft.lib
cufftw.lib
curand.lib
cusolver.lib
cusparse.lib
nppc.lib
nppi.lib
npps.lib
nvblas.lib
nvcuvid.lib
nvrtc.lib
OpenCL.lib
e.打开配置管理器,将活动平台改为x64
一、测试
右键源文件 -> 添加 -> 新建项,选择CUDA C++/C文件,创建main.cu
在main.cu中输入以下程序
//////////main.cu////////////////#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, // ldad_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;}
如果成功使用gpu函数,则可获得结果如下
- vs2013和cuda7.5配置使用
- VS2013+CUDA7.5配置
- VS2013 cuda7.5 配置
- CUDA7.5安装和vs2013配置
- windows+VS2013+CUDA7.5配置
- 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
- CUDA7.5 和VS2013那些事儿
- caffe_pvanet,cuda7.5,VS2013
- 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】
- swift懒加载
- 删除注释/*......*/部分
- java之代理设计模式
- 给大家推荐一个LRU实现算法的java 代码
- 2016.8.6
- vs2013和cuda7.5配置使用
- nsis笔记
- codeforces 185A Plant(矩阵快速幂)
- Android图片加载须知
- swift 构造函数
- C++: read SQL server data using System::Data::SqlClient;
- 计算广告:基础知识
- Linux软件安装(二)——RPM与YUM
- 第三章 3.5.2 访问数组元素