【WINDOWS10 + VS2015】在MFC、Qt、WIN32项目中利用CUDA编程

引言

图像处理算法、矩阵或者向量数学运算的编程实现过程中，经常涉及许多“块运算”。这种运算在程序中表现为循环或者多次嵌套的循环操作，很适合用cuda进行gpu编程加速。刚步入研究生时期，我学习了一些cuda编程的皮毛，但是后来进行图像处理任务时并没有用上，导致现在连皮毛也渐渐忘记了。随着面对的任务越来越复杂，对实时性要求越来越高，渐渐认识到cuda是一根救命稻草——算法的时间复杂度很难降低一个数量级，但是利用gpu和多线程对算法进行并行加速可以大大减少运算时间。opencv开源库已经用cuda实现了大量的算法（这正是提醒我们要重视cuda），但是只针对opencv的一些模块和算法。有必要重新学习cuda编程，并在今后图像处理任务的编程使用中积累cuda编程的经验。

安装CUDA

如何安装呢？ 我的PC上很早装的，所以不提供这部分内容(-.-)。请戳下面链接（随便找的，应该可以装好。)单击此处

本文的内容

cuda的配置很多地方有教程了，这篇博客主要记录如何在VS下配置和使用cuda。作为记录以防再需，同时希望给需要的人带来帮助。首先，你的电脑应该要有支持cuda的显卡。其次，先进行一下配置，需要确保以及安装好VS, 下载并且配置好cuda，设置好了cuda的环境变量(一般默认添加)。如何检验呢，你的VS能否向下面这样新建CUDA程序？

如果可以的话：
1. 新建一个MFC程序(WIN32程序、控制台程序、QT)，或者打开现有的MFC程序，无所谓基于Dialog或者视图。
2. 配置项目属性
（1）
解决方案资源管理器->右键项目名称->生成依赖项->生产自定义(英文版VS请自行对照翻译)

(2)
勾选cuda项->确定

(3)
解决方案资源管理器->右键项目名称->添加->添加新建项->选择.cu文件. (如果没有cu文件的选项，选择.cpp源文件，自己手动把拓展名改成.cu即可.)


(4)
右键添加的.cu文件->属性->勾选项类型为 CUDA C/C++.

(5)
右键项目->属性->链接器->常规->附加库目录->添加目录 $(CUDA_PATH_V5_5)\lib\$(Platform) . 在VS中查看有没有这个宏，如果没有，一般对应的这个路径: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64 （取决于cuda的安装路径）。

(6)
链接器->输入->附加依赖项中添加cudart.lib

当然，这只是runtime的静态库，你可以添加你可能用到的其他静态库到附加依赖项。

3. 完成项目属性配置后就可以编写cuda程序了。但是有一点要注意，你项目的.cpp文件不能直接#include “xx.cu”或#include “xx.cuh”，需要通过借助extern关键字引入外部函数的方式调用。并且，由于在.cu文件中编写的用来调用的host函数需要通过extern “C”指定C编译器。

1. 在.cu文件中
#include #include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include 
#include "xxxx"
...

__device__ dev_funcA(){
    ...
} 

__global__ kernel(...){
    ...
    dev_funcA();
    ...
}

extern "C" bool GpuFunc(...){
    ...
    kernel<<>>(...);
    ...
    return true;
}

2. 在.cpp文件中(比如MFC项目的xxxView.cpp文件)

#include "cuda_runtime.h"
#include "device_launch_parameters.h"

//声明
extern "C"
{
    ...
    bool GpuFunc(...);
    ...
}

...
/*在你的消息函数中调用cuda的函数*/
void CxxxView::OnTest()
{
    GpuFunc(...);
}

例子

按照上面所述的方式，便可以在VS的其他工程中使用cuda编程了。贴上一个例子，如果你的工程配有opencv的话可以用这个例子试一试。

1 kernel.cu （也许你创建的.cu文件叫其他名字）

#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include 
#include 

#define HANDLE_ERROR(A) assert(A == cudaSuccess) 

__global__ void dev_DrawCicles(unsigned char* pImg, int nW, int nH, int nChanels)
{
    int x = threadIdx.x + blockIdx.x * blockDim.x;
    int y = threadIdx.y + blockIdx.y * blockDim.y;

    __shared__ float    shared[16][16];
    shared[threadIdx.x][threadIdx.y] = 255 * (sinf(x * 2 * CV_PI / 180.0) + 1) *
        (sinf(y * 2 * CV_PI / 180.0) + 1) / 4.0;        //线程块中的x, y索引

    //图像中的索引，避免越界
    x = x < nW ? x : nW - 1;
    y = y < nH ? y : nH - 1;
    int offset = x + y * nW;

    pImg[offset * 3 + 0] = pImg[offset * 3 + 2]  = pImg[offset * 3 + 2] = 0;
    pImg[offset * 3 + (blockIdx.x + blockIdx.y) % 3] = shared[threadIdx.x][threadIdx.y];
}

extern "C" void DrawCircles()
{
    const int w = 1000;
    const int h = 1000;
    unsigned char* dev_img;

    HANDLE_ERROR(cudaMalloc((void**)&dev_img, 1000 * 1000 * 3));

    dim3 blocks((w + 15) / 16, (h + 15) / 16);
    dim3 threads(16, 16);
    dev_DrawCicles <<>> (dev_img, w, h, 3);
    cv::Mat img(1000, 1000, CV_8UC3);

    HANDLE_ERROR(cudaMemcpy(img.data, dev_img, 1000*1000*3, cudaMemcpyDeviceToHost));
    cv::imshow("See", img);

    HANDLE_ERROR(cudaFree(dev_img));
}

2 ImgPrcView.cpp (你调用这个函数的文件)

#include "cuda_runtime.h"
#include "device_launch_parameters.h"
extern "C"
{
    void DrawCircles();
}

...  
//无关代码
...

void CImgPrcView::OnTest()
{
    DrawCircles();
}

3 程序运行结果

Bonus

你可以在 工具->选项->文本编辑器->文件扩展名中添加.cu和.cuh文件使用Microsoft Visual C++编辑，以获得VS的一些代码提示帮助。