vs2013和cuda7.5配置使用

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