Windows10 64位CUDA10.1开发环境安装教程

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

https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

 

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

1. // CUDA runtime 库 + CUBLAS 库

2. #include "cuda_runtime.h"

3. #include "cublas_v2.h"

4.  

5. #include

6. #include

7.  

8. using namespace std;

9.  

10. // 定义测试矩阵的维度

11. int const M = 5;

12. int const N = 10;

13.  

14. int main()

15. {

16. // 定义状态变量

17. cublasStatus_t status;

18.  

19. // 在 内存 中为将要计算的矩阵开辟空间

20. float *h_A = (float*)malloc(N*M * sizeof(float));

21. float *h_B = (float*)malloc(N*M * sizeof(float));

22.  

23. // 在 内存 中为将要存放运算结果的矩阵开辟空间

24. float *h_C = (float*)malloc(M*M * sizeof(float));

25.  

26. // 为待运算矩阵的元素赋予 0-10 范围内的随机数

27. for (int i = 0; i < N*M; i++) {

28. h_A[i] = (float)(rand() % 10 + 1);

29. h_B[i] = (float)(rand() % 10 + 1);

30.  

31. }

32.  

33. // 打印待测试的矩阵

34. cout << "矩阵 A :" << endl;

35. for (int i = 0; i < N*M; i++) {

36. cout << h_A[i] << " ";

37. if ((i + 1) % N == 0) cout << endl;

38. }

39. cout << endl;

40. cout << "矩阵 B :" << endl;

41. for (int i = 0; i < N*M; i++) {

42. cout << h_B[i] << " ";

43. if ((i + 1) % M == 0) cout << endl;

44. }

45. cout << endl;

46.  

47. /*

48. ** GPU 计算矩阵相乘

49. */

50.  

51. // 创建并初始化 CUBLAS 库对象

52. cublasHandle_t handle;

53. status = cublasCreate(&handle);

54.  

55. if (status != CUBLAS_STATUS_SUCCESS)

56. {

57. if (status == CUBLAS_STATUS_NOT_INITIALIZED) {

58. cout << "CUBLAS 对象实例化出错" << endl;

59. }

60. getchar();

61. return EXIT_FAILURE;

62. }

63.  

64. float *d_A, *d_B, *d_C;

65. // 在 显存 中为将要计算的矩阵开辟空间

66. cudaMalloc(

67. (void**)&d_A, // 指向开辟的空间的指针

68. N*M * sizeof(float) //　需要开辟空间的字节数

69. );

70. cudaMalloc(

71. (void**)&d_B,

72. N*M * sizeof(float)

73. );

74.  

75. // 在 显存 中为将要存放运算结果的矩阵开辟空间

76. cudaMalloc(

77. (void**)&d_C,

78. M*M * sizeof(float)

79. );

80.  

81. // 将矩阵数据传递进 显存 中已经开辟好了的空间

82. cublasSetVector(

83. N*M, // 要存入显存的元素个数

84. sizeof(float), // 每个元素大小

85. h_A, // 主机端起始地址

86. 1, // 连续元素之间的存储间隔

87. d_A, // GPU 端起始地址

88. 1 // 连续元素之间的存储间隔

89. );

90. cublasSetVector(

91. N*M,

92. sizeof(float),

93. h_B,

94. 1,

95. d_B,

96. 1

97. );

98.  

99. // 同步函数

100. cudaThreadSynchronize();

101.  

102. // 传递进矩阵相乘函数中的参数，具体含义请参考函数手册。

103. float a = 1; float b = 0;

104. // 矩阵相乘。该函数必然将数组解析成列优先数组

105. cublasSgemm(

106. handle, // blas 库对象

107. CUBLAS_OP_T, // 矩阵 A 属性参数

108. CUBLAS_OP_T, // 矩阵 B 属性参数

109. M, // A, C 的行数

110. M, // B, C 的列数

111. N, // A 的列数和 B 的行数

112. &a, // 运算式的 α 值

113. d_A, // A 在显存中的地址

114. N, // lda

115. d_B, // B 在显存中的地址

116. M, // ldb

117. &b, // 运算式的 β 值

118. d_C, // C 在显存中的地址(结果矩阵)

119. M // ldc

120. );

121.  

122. // 同步函数

123. cudaThreadSynchronize();

124.  

125. // 从 显存 中取出运算结果至 内存中去

126. cublasGetVector(

127. M*M, // 要取出元素的个数

128. sizeof(float), // 每个元素大小

129. d_C, // GPU 端起始地址

130. 1, // 连续元素之间的存储间隔

131. h_C, // 主机端起始地址

132. 1 // 连续元素之间的存储间隔

133. );

134.  

135. // 打印运算结果

136. cout << "计算结果的转置 ( (A*B)的转置 )：" << endl;

137.  

138. for (int i = 0; i < M*M; i++) {

139. cout << h_C[i] << " ";

140. if ((i + 1) % M == 0) cout << endl;

141. }

142.  

143. // 清理掉使用过的内存

144. free(h_A);

145. free(h_B);

146. free(h_C);

147. cudaFree(d_A);

148. cudaFree(d_B);

149. cudaFree(d_C);

150.  

151. // 释放 CUBLAS 库对象

152. cublasDestroy(handle);

153.  

154. getchar();

155.  

156. return 0;

157. }

运行结果如下所示：

参考：

https://blog.csdn.net/linj_m/article/details/41314763

https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html#verify-you-have-cuda-enabled-system

https://blog.csdn.net/u013165921/article/details/77891913