目錄

本機配置

下載並配置

遇到的問題

參考資料

本機配置

• win10 64bit（版本1809）
• i5-7200 U
• GTX 940MX

下載並配置

測試Cuda是否安裝成功

①命令列測試

• 開啟命令提示符，輸入：nvcc -V

• 出現如下類似資訊即為成功

②編譯測試檔案

• C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0下找到Samples_vs2017.sln並開啟
• 編譯：選擇Release x64，右鍵1_Utilities，點選“生成”

  

③驗證deviceQuery和bandwidthTest

• 開啟命令提示符：定位到 c:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64\Release
• 分別輸入deviceQuery，bandwidthTest並執行，出現如下類似資訊便說明CUDA安裝成功

配置環境變數

①確認系統變數中：CUDA_PATH和CUDA_PATH_V10.0已經存在

②我們還需要在環境變數中新增如下幾個變數：

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0 
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
 

③可在cmd中檢視配置情況（命令：set cuda）

配置VS2017

①新建Visual C++空專案（CUDA_TEST）

②CUDA_TEST右鍵->新增->新建項->選擇CUDA C/C++File，取名CUDA_MAIN

③CUDA_TEST右鍵–>專案依賴項–>自定義生成，選擇CUDA10.0

④CUDA_MAIN.cu右鍵->屬性,在配置屬性–>常規–>項型別–>選擇“CUDA C/C++”

⑤專案配置

1.x64

 1.1 包含目錄配置 
  1.右鍵點選專案屬性–>屬性–>配置屬性–>VC++目錄–>包含目錄 
  2.新增包含目錄： 
   $(CUDA_PATH)\include

 1.2 庫目錄配置 
  1.VC++目錄–>庫目錄 
  2.新增庫目錄： 
   $(CUDA_PATH)\lib\x64

 1.3 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
    nvcuvid.lib
    OpenCL.lib
    cublas.lib

  注意：新增nvcuvid.lib庫檔案，編譯時，報找不到該檔案的錯誤。去掉後，程式也能執行

2.x86(win32)

 2.1 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

 2.2 庫目錄配置 
  1.VC++目錄–>庫目錄 
  2.新增庫目錄： 
   $(CUDA_PATH)\lib\Win32

 2.3 依賴項 
   配置屬性–>聯結器–>輸入–>附加依賴項 
   新增庫檔案： 

    cuda.lib 
    cudadevrt.lib 
    cudart.lib 
    cudart_static.lib 
    nvcuvid.lib 
    OpenCL.lib

⑥測試程式，在CUDA_MAIN.cu中貼上以下程式碼：

#include "cuda_runtime.h"  
#include "cublas_v2.h"  

#include <time.h>  
#include <iostream>  

using namespace std;

// 定義測試矩陣的維度  
int const M = 5;
int const N = 10;

int main()
{
	// 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 (int i = 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 (int i = 0; i < N*M; i++) {
		cout << h_A[i] << " ";
		if ((i + 1) % N == 0) cout << endl;
	}
	cout << endl;
	cout << "矩陣 B :" << endl;
	for (int i = 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();
		return EXIT_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。  
	float a = 1; float b = 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 (int i = 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();

	return 0;
}

⑦編譯執行

遇到的問題

①最新的VS2017在編譯過程中可能產生類似於“找不到Windows SDK”字樣的錯誤

解決方法：只需要按照它的提示更改為可用版本的SDK即可。

②驗證deviceQuery報錯："CUDA: cudaDeviceSynchronize return error code 30"

解決方法：重灌NVIDIA顯示卡驅動

參考資料