Windows7 64位CUDA10.1开发环境安装教程
一、环境说明
1、软件环境
windows10 64位
CUDA 10.1
Visio Studio 2017
2、硬件环境
（1）查看本机显卡
（2）下载显卡驱动
https://www.nvidia.com/Download/index.aspx?lang=en-us
（3）下载CUDA开发工具
下载CUDA 10.1
二、安装配置
1、安装显卡驱动和CUDA 10.1
2、测试环境
出现以上信息配置成功
3、编译测试文件
（1）找到以下文件，并使用VS2017打开
（2）编译生成
（3）配置环境变量
检验CUDA_PATH和CUDA_PATH_V10.0已经存在
然后添加如下环境变量
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
配置完成后需要重启电脑后，再一次查看
4、配置VS2017
（1）打开vs2017,创建测试工程
（2）新建的工程中添加CUDA C/C++ File
（3）添加项目依赖项，选择CUDA 10.1
（4）cuda_main.cu的属性配置成“CUDA C/C++”
5、项目配置
只配置X64
（1）包含目录配置
项目属性–>属性–>配置属性–>VC++目录–>包含目录
添加包含目录： $(CUDA_PATH)\include
（2）库目录配置
VC++目录–>库目录
添加库目录： $(CUDA_PATH)\lib\x64
（3）依赖项配置
配置属性–>链接器–>输入–>附加依赖项
添加库文件：
cublas.lib
cuda.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
nvcuvid.lib （添加了该库后程序运行时会报错，去掉该库）
OpenCL.lib
6、检验
- 打开命令提示符：定位到 c:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1\bin\win64\Release
- 分别输入deviceQuery，bandwidthTest并运行，出现如下类似信息便说明CUDA安装成功
三、实际测试
参考：https://blog.csdn.net/u013165921/article/details/77891913
在GPU中完成一个矩阵的计算
将以下代码放到二中建立的cuda_main.cu文件，并运行
-
// 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 // 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; -
}
运行结果如下所示：
参考：
https://blog.csdn.net/linj_m/article/details/41314763
https://blog.csdn.net/u013165921/article/details/77891913