VS2015 及VS2013 CUDA8.0 配置

因近期项目需要GPU加速，故对两台电脑上的 VS 配置了cuda8.0   

总结如下：

1  官网下载和系统匹配的cuda 软件  https://developer.nvidia.com/cuda-downloads

2  直接使用默认选项安装 

3 设置环境变量： 
安装完毕后，在计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V8_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： 
　　CUDA_SDK_PATH = C:ProgramDataNVIDIA CorporationCUDA Samplesv8.0 
　　CUDA_LIB_PATH = %CUDA_PATH%libx64 
　　CUDA_BIN_PATH = %CUDA_PATH%in 
　　CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%inwin64 
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%commonlibx64 
因为安装路径是默认的，所以添加的路径分别是下面这样的： 
CUDA_PATH 
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0 
CUDA_PATH_V8_0 
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0 
CUDA_SDK_PATH 
C:ProgramDataNVIDIA CorporationCUDA Samplesv8.0 
CUDA_LIB_PATH 
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0libx64 
CUDA_BIN_PATH 
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0in 
CUDA_SDK_BIN_PATH 
C:ProgramDataNVIDIA CorporationCUDA Samplesv8.0inwin64 
CUDA_SDK_LIB_PATH 
C:ProgramDataNVIDIA CorporationCUDA Samplesv8.0commonlibx64 
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%; 
；C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0libx64；C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0in；C:ProgramDataNVIDIA CorporationCUDA Samplesv8.0commonlibx64；C:ProgramDataNVIDIA CorporationCUDA Samplesv8.0inwin64； 
重新启动计算机

4 VS 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++”

5 项目配置 

5.1 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

5.2 库目录配置

• 1.VC++目录–>库目录
• 2.添加库目录： 
  $(CUDA_PATH)libx64

5.3 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

6 测试程序

// 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;
}

7 运行结果：

运行结果如下图所示：

8 注意事项：

注意选择VS编译选项为X64