手把手教你cuda5.5与VS2010的编译环境搭建-白红宇

手把手教你cuda5.5与VS2010的编译环境搭建

阅读量：5293 次

发布时间：2019-06-14

本文共 7539 字，大约阅读时间需要 25 分钟。

目前版本的cuda是很方便的，它的一个安装里面包括了Toolkit`SDK`document`Nsight等等，而不用你自己去挨个安装，这样也避免了版本的不同步问题。

1 cuda5.5的下载地址，官方网站即可：

　　 在里面选择你所对应的电脑版本即可。

2 VS2010这个没什么说的了，网上各种的免费资源，下载一个不需要钱的就行。

3 Cuda的安装：（win7版32bit）

安装cuda

　　3.1 cuda的安装文件

　　直接双击exe文件，弹出后，首先会监测一下你的运行环境，如果找不到Nividia对应的显卡设备，他会提示你是否要继续安装。这里面nvidia的显卡，最起码也是8800以上的，要不是无法编写CUDA的。千万不要电脑上面是intel或者AMD的显卡，却要编写cuda，除非你有钱买一个cuda-x86这个编译器。

　　3.2 弹出的对话框直接OK就行，这个是CUDA的一些安装文件，无所谓的：

　　3.3 他会监测你的电脑是否支持cuda的搭建，等待就行

　　3.4 系统检查

　　3.5 选择同意并继续

　　3.6 推荐先选择自定义安装

　　3.7 最主要的是cuda document\cuda Toolkit \cuda samples(SDK),Nsight\图形驱动程序，3D如果需要的话安装，不安装也无所谓。这里主要就是能看见都有什么，免得漏掉了，博主当初就因为选了精简安装，没安装上SDK。

　　3.7 安装的位置，推荐自己建三个好找的文件夹，不用他默认的路径，免得稍后配置环境变量麻烦。

博主的安装路径为：

　　3.8 下一步安装就行了。

至此，cuda的安装就搞定了。

4 接下来配置cuda的环境变量，默认安装好后，他会自动帮你设置好2个环境变量，但是最好还自己添加下其他的几个，方便日后配置vs使用

上面的两个环境变量是cuda默认配置的，接下来添加

CUDA_BIN_PATH　　%CUDA_PATH%\binCUDA_LIB_PATH　　%CUDA_PATH%\lib\Win32CUDA_SDK_BIN　　%CUDA_SDK_PATH%\bin\Win32CUDA_SDK_LIB　　%CUDA_SDK_PATH%\common\lib\Win32CUDA_SDK_PATH　　C:\cuda\cudasdk\common

添加完就行了

5 接下来是cuda的安装成功与否的监测了，这个步骤我们用到两个东西，这两个东西，都是cuda为我们准备好的。

deviceQuery.exe 和 bandwithTest.exe

　　首先启动cmd DOS命令窗口（博主的cuda安装到c:\cuda文件夹下）

　　默认进来的是c:\users\Admistrator\>路径，输入 cd .. 两次，来到c:目录下

　　输入dir 找到安装的cuda文件夹

进入Release文件夹后，直接执行bandwithTest.exe

再执行deviceQuery.exe

得到以上信息，因为我的显卡比较古老9300属于第一代的cuda显卡了。Rsult=PASS及说明，都通过了。如果Rsult=Fail 那不好意思，重新安装吧（或者是您的显卡真心不给力）。

关于VS项目测试（推荐）

打开VS，新建项目

利用安装好的cuda向导，直接建立工程，里面会自动有一段kernel累加的代码

#include "cuda_runtime.h"#include "device_launch_parameters.h"#include 
      
       cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);__global__ void addKernel(int *c, const int *a, const int *b){    int i = threadIdx.x;    c[i] = a[i] + b[i];}int main(){    const int arraySize = 5;    const int a[arraySize] = { 1, 2, 3, 4, 5 };    const int b[arraySize] = { 10, 20, 30, 40, 50 };    int c[arraySize] = { 0 };    // Add vectors in parallel.    cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize);    if (cudaStatus != cudaSuccess) {        fprintf(stderr, "addWithCuda failed!");        return 1;    }    printf("{1,2,3,4,5} + {10,20,30,40,50} = {%d,%d,%d,%d,%d}\n",        c[0], c[1], c[2], c[3], c[4]);    // cudaDeviceReset must be called before exiting in order for profiling and    // tracing tools such as Nsight and Visual Profiler to show complete traces.    cudaStatus = cudaDeviceReset();    if (cudaStatus != cudaSuccess) {        fprintf(stderr, "cudaDeviceReset failed!");        return 1;    }    getchar();    return 0;}// Helper function for using CUDA to add vectors in parallel.cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size){    int *dev_a = 0;    int *dev_b = 0;    int *dev_c = 0;    cudaError_t cudaStatus;    // Choose which GPU to run on, change this on a multi-GPU system.    cudaStatus = cudaSetDevice(0);    if (cudaStatus != cudaSuccess) {        fprintf(stderr, "cudaSetDevice failed!  Do you have a CUDA-capable GPU installed?");        goto Error;    }    // Allocate GPU buffers for three vectors (two input, one output)    .    cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));    if (cudaStatus != cudaSuccess) {        fprintf(stderr, "cudaMalloc failed!");        goto Error;    }    cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));    if (cudaStatus != cudaSuccess) {        fprintf(stderr, "cudaMalloc failed!");        goto Error;    }    cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));    if (cudaStatus != cudaSuccess) {        fprintf(stderr, "cudaMalloc failed!");        goto Error;    }    // Copy input vectors from host memory to GPU buffers.    cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);    if (cudaStatus != cudaSuccess) {        fprintf(stderr, "cudaMemcpy failed!");        goto Error;    }    cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);    if (cudaStatus != cudaSuccess) {        fprintf(stderr, "cudaMemcpy failed!");        goto Error;    }    // Launch a kernel on the GPU with one thread for each element.    addKernel<<<1, size>>>(dev_c, dev_a, dev_b);    // Check for any errors launching the kernel    cudaStatus = cudaGetLastError();    if (cudaStatus != cudaSuccess) {        fprintf(stderr, "addKernel launch failed: %s\n", cudaGetErrorString(cudaStatus));        goto Error;    }        // cudaDeviceSynchronize waits for the kernel to finish, and returns    // any errors encountered during the launch.    cudaStatus = cudaDeviceSynchronize();    if (cudaStatus != cudaSuccess) {        fprintf(stderr, "cudaDeviceSynchronize returned error code %d after launching addKernel!\n", cudaStatus);        goto Error;    }    // Copy output vector from GPU buffer to host memory.    cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);    if (cudaStatus != cudaSuccess) {        fprintf(stderr, "cudaMemcpy failed!");        goto Error;    }Error:    cudaFree(dev_c);    cudaFree(dev_a);    cudaFree(dev_b);        return cudaStatus;}

View Code

在main函数return之前加入getchar()，停止自动退出，以便观测效果

进入后，点击运行按钮，可能发生LINK错误（如果没有错误，跳过此段）

这时进入-》项目-》属性-》通用配置-》输入和输出-》嵌入清单 ---- 修改成否，原来可能为“是”

再次编译，成功运行后，会显示下面的结果

恭喜，cuda已经在您的机器上安装成功了。

如果是新手，推荐这样新建工程后，在里面修改代码成为自己的工程，配置属性不会出错。

如果想要自己手动配置也可以参考下面的例子。

手动配置VS项目（不推荐）

最后就是VS的配置了（这个是自己手动配置的，有时候容易出现问题，不是很推荐，建议用上面的方法建立项目进行测试）

　　5.1 启动VS2010

　　5.2 新建一个win32的控制台工程，空的。

　　5.3 右键源文件文件夹->新建项->选择cuda c/c++->新建一个以.cu结尾的文件

　　5.4 右键工程-》生成自定义-》选择cuda生成

　　5.5 右键test.cu-》属性-》选择cuda c/c++编译器

　　5.6 右键工程-》属性-》链接器-》常规-》附加库目录-》添加目录 $(CUDA_PATH_V5_5)\lib\$(Platform);

　　5.7 在链接器-》输入中添加 cudart.lib

　　5.8 在工具-》选项-》文本编辑器-》文件扩展名-》添加cu \cuh两个文件扩展名

至此，编译环境的相关搭建就完成了。

下面提供了一段test.cu的代码，供测试使用：

1 #include 
     
       2 #include 
      
        3 #include 
       
          4  5 #define DATA_SIZE 1024 6 #define checkCudaErrors(err)  __checkCudaErrors (err, __FILE__, __LINE__) 7 #define getLastCudaError(msg)  __getLastCudaError (msg, __FILE__, __LINE__) 8  9 int data[DATA_SIZE];10 11 ////12 // These are CUDA Helper functions13 14 // This will output the proper CUDA error strings in the event that a CUDA host call returns an error15 16 17 inline void __checkCudaErrors(cudaError err, const char *file, const int line )18 {19     if(cudaSuccess != err)20     {21         fprintf(stderr, "%s(%i) : CUDA Runtime API error %d: %s.\n",file, line, (int)err, cudaGetErrorString( err ) );22         return ;        23     }24 }25 26 // This will output the proper error string when calling cudaGetLastError27 28 29 inline void __getLastCudaError(const char *errorMessage, const char *file, const int line )30 {31     cudaError_t err = cudaGetLastError();32     if (cudaSuccess != err)33     {34         fprintf(stderr, "%s(%i) : getLastCudaError() CUDA error : %s : (%d) %s.\n",35         file, line, errorMessage, (int)err, cudaGetErrorString( err ) );36         return ;37     }38 }39 40 // end of CUDA Helper Functions41 42 __global__ static void sumOfSquares(int *num, int * result){43     int sum=0;44     int i;45     for(i=0;i
        
         >>(gpudata, result);72 73         checkCudaErrors(cudaMemcpy(&sum, result, sizeof(int), cudaMemcpyDeviceToHost));74 75         cudaFree(gpudata);76         cudaFree(result);77 78         printf("-----------sum: %d\n",sum);79 80         sum = 0;81         for(int i = 0; i < DATA_SIZE; i++) {82             sum += data[i] * data[i];83         }84         printf("sum (CPU): %d\n", sum);85 86         getchar();87         return 0;88 }