CUDA动态库封装以及调用

通过将CUDA相关计算操作放在库中，方便在项目中调用，省去了每次编译cu文件的麻烦，也便于集成到其他平台上。

本文配置：VS2015   CUDA8.0

一、封装CUDA动态库

主要步骤：修改自定义方式、设置cu文件项类型为CDUA CC++ ，添加依赖库cudart.lib.

1、创建一个动态库，这里建的库是x86的，也可以更改为x64.

2、添加cu文件

3、源程序内容

CudaDll32.h

// 下列 ifdef 块是创建使从 DLL 导出更简单的  
// 宏的标准方法。此 DLL 中的所有文件都是用命令行上定义的 CUDADLL32_EXPORTS  
// 符号编译的。在使用此 DLL 的  
// 任何其他项目上不应定义此符号。这样，源文件中包含此文件的任何其他项目都会将  
// CUDADLL32_API 函数视为是从 DLL 导入的，而此 DLL 则将用此宏定义的  
// 符号视为是被导出的。  
#ifdef CUDADLL32_EXPORTS  
#define CUDADLL32_API __declspec(dllexport)  
#else  
#define CUDADLL32_API __declspec(dllimport)  
#endif  
  
extern "C" CUDADLL32_API int vectorAdd(int c[], int a[], int b[], int size);

kernel.cu

#include "cuda_runtime.h"    
#include "device_launch_parameters.h"      
#include "CudaDll32.h"  
  
  
//CUDA核函数    
__global__ void addKernel(int *c, const int *a, const int *b)  
{  
    int i = threadIdx.x;  
    c[i] = a[i] + b[i];  
}  
  
  
//向量相加    
CUDADLL32_API int vectorAdd(int c[], int a[], int b[], int size)  
{  
    int result = -1;  
    int *dev_a = 0;  
    int *dev_b = 0;  
    int *dev_c = 0;  
    cudaError_t cudaStatus;  
  
    // 选择用于运行的GPU    
    cudaStatus = cudaSetDevice(0);  
    if (cudaStatus != cudaSuccess) {  
        result = 1;  
        goto Error;  
    }  
  
    // 在GPU中为变量dev_a、dev_b、dev_c分配内存空间.    
    cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));  
    if (cudaStatus != cudaSuccess) {  
        result = 2;  
        goto Error;  
    }  
    cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));  
    if (cudaStatus != cudaSuccess) {  
        result = 3;  
        goto Error;  
    }  
    cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));  
    if (cudaStatus != cudaSuccess) {  
        result = 4;  
        goto Error;  
    }  
  
    // 从主机内存复制数据到GPU内存中.    
    cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);  
    if (cudaStatus != cudaSuccess) {  
        result = 5;  
        goto Error;  
    }  
    cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);  
    if (cudaStatus != cudaSuccess) {  
        result = 6;  
        goto Error;  
    }  
  
    // 启动GPU内核函数    
    addKernel << <1, size >> >(dev_c, dev_a, dev_b);  
  
    // 采用cudaDeviceSynchronize等待GPU内核函数执行完成并且返回遇到的任何错误信息    
    cudaStatus = cudaDeviceSynchronize();  
    if (cudaStatus != cudaSuccess) {  
        result = 7  
        goto Error  
    }  
  
    // 从GPU内存中复制数据到主机内存中    
    cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);  
    if (cudaStatus != cudaSuccess) {  
        result = 8;  
        goto Error;  
    }  
  
    result = 0;  
  
    // 重置CUDA设备，在退出之前必须调用cudaDeviceReset    
    cudaStatus = cudaDeviceReset();  
    if (cudaStatus != cudaSuccess) {  
        return 9;  
    }  
Error:  
    //释放设备中变量所占内存    
    cudaFree(dev_c);  
    cudaFree(dev_a);  
    cudaFree(dev_b);  
  
    return result;  
} 

4、修改项目的自定义方式为：CUDA8.0

5、修改cu文件的项类型

6、添加链接器的附加依赖项 cudart.lib

 

7、生成DLL文件

二、调用动态库

创建一个控制台工程，调用库三步骤：

调用源代码：包含头文件、并把dll文件拷贝到可行性目录下

// CallCudaDll32.cpp : 定义控制台应用程序的入口点。  
//  
  
#include "stdafx.h"  
#include "CudaDll32.h"  
int main()  
{  
    const int arraySize = 5;  
    int a[arraySize] = { 11, 22, 33, 44, 55 };  
    int b[arraySize] = { 10, 20, 30, 40, 50 };  
    int c[arraySize] = { 0 };  
  
    // Add vectors in parallel.    
    int number = vectorAdd(c, a, b, arraySize);  
    printf("{11,22,33,44,55} + {10,20,30,40,50} = {%d,%d,%d,%d,%d}
",  
        c[0], c[1], c[2], c[3], c[4]);  
    printf("调用CUDA成功！
");  
    return 0;  
}  

结果显示：