windows下cuda的安裝
阿新 • • 發佈：2020-12-08
1. cuda的安裝
到https://developer.nvidia.com/cuda-toolkit去下載。在安裝的時候一定要自定義安裝，否則將會安裝很多無用的東西。安裝的選項，可以選擇不更新驅動程式。
或者下載離線檔案安裝
安裝，選擇自定義安裝。
安裝後，和英偉達cuda相關的程式如下圖所示。
注意，千萬不要勾選Nsight Visual Studio Edition 2019.2等類似的無用的東西。
2. 測試環境是否安裝成功
執行cmd，輸入nvcc --version即可檢視版本號；
set cuda，可以檢視cuda設定的環境變數。
3. 執行官方自帶的demo
在工作管理員中搜索，Browse CUDA Samples。 或者一般位於 C:\ProgramData\NVIDIA Corporation\CUDA Samples
未編譯前，Debug資料夾中只有三個檔案，如圖。
成功編譯後這個位置（具體路徑見上圖）將生成很多檔案，在其中找到deviceQueryDrv.exe的程式拖入到cmd中，回車執行。
4. 自己配置cuda專案
（1）開啟vs2017，建立一個空win32程式,即cuda_test專案。
（2）選擇cuda_test，點選右鍵–>專案依賴項–>自定義生成，選擇CUDA10.1。
（3）右鍵原始檔資料夾->新增->新建項->選擇CUDA C/C++File，取名cuda_main。
（4）點選cuda_main.cu的屬性,在配置屬性–>常規–>項型別–>選擇“CUDA C/C++”。
注意：以下步驟中的專案屬性設定均針對x64。
（5）包含目錄配置：
右鍵點選專案屬性–>屬性–>配置屬性–>VC++目錄–>包含目錄
新增包含目錄：$(CUDA_PATH)\include
（6）庫目錄配置
VC++目錄–>庫目錄
新增庫目錄：$(CUDA_PATH)\lib\x64
（7）依賴項
配置屬性–>連結器–>輸入–>附加依賴項
新增庫檔案：cublas.lib;cuda.lib;cudadevrt.lib;cudart.lib;cudart_static.lib;OpenCL.lib
cuda_main.cu程式碼如下：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 |
#include "cuda_runtime.h"
#include "cublas_v2.h"
#include <time.h>
#include <iostream>
usingnamespacestd;
// 定義測試矩陣的維度
intconstM = 5;
intconstN = 10;
intmain()
{
// 定義狀態變數
cublasStatus_t status;
// 在 記憶體 中為將要計算的矩陣開闢空間
float*h_A = (float*)malloc(N*M *sizeof(float));
float*h_B = (float*)malloc(N*M *sizeof(float));
// 在 記憶體 中為將要存放運算結果的矩陣開闢空間
float*h_C = (float*)malloc(M*M *sizeof(float));
// 為待運算矩陣的元素賦予 0-10 範圍內的隨機數
for(inti = 0; i < N*M; i++) {
h_A[i] = (float)(rand() % 10 + 1);
h_B[i] = (float)(rand() % 10 + 1);
}
// 列印待測試的矩陣
cout <<"矩陣 A :"<< endl;
for(inti = 0; i < N*M; i++) {
cout << h_A[i] <<" ";
if((i + 1) % N == 0) cout << endl;
}
cout << endl;
cout <<"矩陣 B :"<< endl;
for(inti = 0; i < N*M; i++) {
cout << h_B[i] <<" ";
if((i + 1) % M == 0) cout << endl;
}
cout << endl;
/*
** GPU 計算矩陣相乘
*/
// 建立並初始化 CUBLAS 庫物件
cublasHandle_t handle;
status = cublasCreate(&handle);
if(status != CUBLAS_STATUS_SUCCESS)
{
if(status == CUBLAS_STATUS_NOT_INITIALIZED) {
cout <<"CUBLAS 物件例項化出錯"<< endl;
}
getchar();
returnEXIT_FAILURE;
}
float*d_A, *d_B, *d_C;
// 在 視訊記憶體 中為將要計算的矩陣開闢空間
cudaMalloc(
(void**)&d_A,// 指向開闢的空間的指標
N*M *sizeof(float)// 需要開闢空間的位元組數
);
cudaMalloc(
(void**)&d_B,
N*M *sizeof(float)
);
// 在 視訊記憶體 中為將要存放運算結果的矩陣開闢空間
cudaMalloc(
(void**)&d_C,
M*M *sizeof(float)
);
// 將矩陣資料傳遞進 視訊記憶體 中已經開闢好了的空間
cublasSetVector(
N*M,// 要存入視訊記憶體的元素個數
sizeof(float),// 每個元素大小
h_A,// 主機端起始地址
1,// 連續元素之間的儲存間隔
d_A,// GPU 端起始地址
1// 連續元素之間的儲存間隔
);
cublasSetVector(
N*M,
sizeof(float),
h_B,
1,
d_B,
1
);
// 同步函式
cudaThreadSynchronize();
// 傳遞進矩陣相乘函式中的引數，具體含義請參考函式手冊。
floata = 1;floatb = 0;
// 矩陣相乘。該函式必然將陣列解析成列優先陣列
cublasSgemm(
handle,// blas 庫物件
CUBLAS_OP_T,// 矩陣 A 屬性引數
CUBLAS_OP_T,// 矩陣 B 屬性引數
M,// A, C 的行數
M,// B, C 的列數
N,// A 的列數和 B 的行數
&a,// 運算式的 α 值
d_A,// A 在視訊記憶體中的地址
N,// lda
d_B,// B 在視訊記憶體中的地址
M,// ldb
&b,// 運算式的 β 值
d_C,// C 在視訊記憶體中的地址(結果矩陣)
M// ldc
);
// 同步函式
cudaThreadSynchronize();
// 從 視訊記憶體 中取出運算結果至 記憶體中去
cublasGetVector(
M*M,// 要取出元素的個數
sizeof(float),// 每個元素大小
d_C,// GPU 端起始地址
1,// 連續元素之間的儲存間隔
h_C,// 主機端起始地址
1// 連續元素之間的儲存間隔
);
// 列印運算結果
cout <<"計算結果的轉置 ( (A*B)的轉置 )："<< endl;
for(inti = 0; i < M*M; i++) {
cout << h_C[i] <<" ";
if((i + 1) % M == 0) cout << endl;
}
// 清理掉使用過的記憶體
free(h_A);
free(h_B);
free(h_C);
cudaFree(d_A);
cudaFree(d_B);
cudaFree(d_C);
// 釋放 CUBLAS 庫物件
cublasDestroy(handle);
getchar();
return0;
}
|
5 使用VS下的模板建立
開啟VS 2017，我們可以觀察到，在VS2017模板一欄下方出現了“NVIDIA/CUDA 10.1”。
直接新建一個CUDA 10.1 Runtime 專案。
右鍵專案 → 屬性 → 配置屬性 → 連結器 → 常規 → 附加庫目錄，新增以下目錄：
(CUDAPATHV100)\lib(CUDAPATHV100)\lib(Platform)
示例程式碼如下：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 |
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include <stdio.h>
intmain() {
intdeviceCount;
cudaGetDeviceCount(&deviceCount);
intdev;
for(dev = 0; dev < deviceCount; dev++)
{
intdriver_version(0), runtime_version(0);
cudaDeviceProp deviceProp;
cudaGetDeviceProperties(&deviceProp, dev);
if(dev == 0)
if(deviceProp.minor = 9999 && deviceProp.major == 9999)
printf("\n");
printf("\nDevice%d:\"%s\"\n", dev, deviceProp.name);
cudaDriverGetVersion(&driver_version);
printf("CUDA驅動版本: %d.%d\n", driver_version / 1000, (driver_version % 1000) / 10);
cudaRuntimeGetVersion(&runtime_version);
printf("CUDA執行時版本: %d.%d\n", runtime_version / 1000, (runtime_version % 1000) / 10);
printf("裝置計算能力: %d.%d\n", deviceProp.major, deviceProp.minor);
printf("Total amount of Global Memory: %u bytes\n", deviceProp.totalGlobalMem);
printf("Number of SMs: %d\n", deviceProp.multiProcessorCount);
printf("Total amount of Constant Memory: %u bytes\n", deviceProp.totalConstMem);
printf("Total amount of Shared Memory per block: %u bytes\n", deviceProp.sharedMemPerBlock);
printf("Total number of registers available per block: %d\n", deviceProp.regsPerBlock);
printf("Warp size: %d\n", deviceProp.warpSize);
printf("Maximum number of threads per SM: %d\n", deviceProp.maxThreadsPerMultiProcessor);
printf("Maximum number of threads per block: %d\n", deviceProp.maxThreadsPerBlock);
printf("Maximum size of each dimension of a block: %d x %d x %d\n", deviceProp.maxThreadsDim[0],
deviceProp.maxThreadsDim[1],
deviceProp.maxThreadsDim[2]);
printf("Maximum size of each dimension of a grid: %d x %d x %d\n", deviceProp.maxGridSize[0], deviceProp.maxGridSize[1], deviceProp.maxGridSize[2]);
printf("Maximum memory pitch: %u bytes\n", deviceProp.memPitch);
printf("Texture alignmemt: %u bytes\n", deviceProp.texturePitchAlignment);
printf("Clock rate: %.2f GHz\n", deviceProp.clockRate * 1e-6f);
printf("Memory Clock rate: %.0f MHz\n", deviceProp.memoryClockRate * 1e-3f);
printf("Memory Bus Width: %d-bit\n", deviceProp.memoryBusWidth);
}
return0;
}
|
參考文章