cuda8.0+VS2015安裝與測試

阿新 • • 發佈：2019-01-20

1 // CUDA runtime 庫 + CUBLAS 庫 2 #include "cuda_runtime.h" 3 #include "cublas_v2.h" 4 5 #include <time.h> 6 #include <iostream> 7 8 using namespace std; 9 10 // 定義測試矩陣的維度 11 int const M = 5; 12 int const N = 10; 13 14 int main() 15 { 16 // 定義狀態變數 17 cublasStatus_t status;

18 19 // 在記憶體中為將要計算的矩陣開闢空間 20 float *h_A = (float*)malloc (N*M*sizeof(float)); 21 float *h_B = (float*)malloc (N*M*sizeof(float)); 22 23 // 在記憶體中為將要存放運算結果的矩陣開闢空間 24 float *h_C = (float*)malloc (M*M*sizeof(float)); 25 26 // 為待運算矩陣的元素賦予 0-10 範圍內的隨機數 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 // 列印待測試的矩陣 34 cout << "矩陣 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 << "矩陣 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 計算矩陣相乘 49 */ 50 51 // 建立並初始化 CUBLAS 庫物件 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 物件例項化出錯" << endl; 59 } 60 getchar (); 61 return EXIT_FAILURE; 62 } 63 64 float *d_A, *d_B, *d_C; 65 // 在視訊記憶體中為將要計算的矩陣開闢空間 66 cudaMalloc ( 67 (void**)&d_A, // 指向開闢的空間的指標 68 N*M * sizeof(float) //　需要開闢空間的位元組數 69 ); 70 cudaMalloc ( 71 (void**)&d_B, 72 N*M * sizeof(float) 73 ); 74 75 // 在視訊記憶體中為將要存放運算結果的矩陣開闢空間 76 cudaMalloc ( 77 (void**)&d_C, 78 M*M * sizeof(float) 79 ); 80 81 // 將矩陣資料傳遞進視訊記憶體中已經開闢好了的空間 82 cublasSetVector ( 83 N*M, // 要存入視訊記憶體的元素個數 84 sizeof(float), // 每個元素大小 85 h_A, // 主機端起始地址 86 1, // 連續元素之間的儲存間隔 87 d_A, // GPU 端起始地址 88 1 // 連續元素之間的儲存間隔 89 ); 90 cublasSetVector ( 91 N*M, 92 sizeof(float), 93 h_B, 94 1, 95 d_B, 96 1 97 ); 98 99 // 同步函式 100 cudaThreadSynchronize(); 101 102 // 傳遞進矩陣相乘函式中的引數，具體含義請參考函式手冊。 103 float a=1; float b=0; 104 // 矩陣相乘。該函式必然將陣列解析成列優先陣列 105 cublasSgemm ( 106 handle, // blas 庫物件 107 CUBLAS_OP_T, // 矩陣 A 屬性引數 108 CUBLAS_OP_T, // 矩陣 B 屬性引數 109 M, // A, C 的行數 110 M, // B, C 的列數 111 N, // A 的列數和 B 的行數 112 &a, // 運算式的 α 值 113 d_A, // A 在視訊記憶體中的地址 114 N, // lda 115 d_B, // B 在視訊記憶體中的地址 116 M, // ldb 117 &b, // 運算式的 β 值 118 d_C, // C 在視訊記憶體中的地址(結果矩陣) 119 M // ldc 120 ); 121 122 // 同步函式 123 cudaThreadSynchronize(); 124 125 // 從視訊記憶體中取出運算結果至記憶體中去 126 cublasGetVector ( 127 M*M, // 要取出元素的個數 128 sizeof(float), // 每個元素大小 129 d_C, // GPU 端起始地址 130 1, // 連續元素之間的儲存間隔 131 h_C, // 主機端起始地址 132 1 // 連續元素之間的儲存間隔 133 ); 134 135 // 列印運算結果 136 cout << "計算結果的轉置 ( (A*B)的轉置 )：" << 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 // 清理掉使用過的記憶體 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 // 釋放 CUBLAS 庫物件 152 cublasDestroy (handle); 153 154 getchar(); 155 156 return 0; 157 }

cuda8.0+VS2015安裝與測試

cuda8.0+VS2015安裝與測試

Win10+vs2012+cuda8.0的安裝與配置

mysql之 sysbench1.0.3 安裝與系統壓力測試

thinkPHP -01- thinkPHP5.0 安裝與測試

pytorch和torchnet的安裝與測試（Ubuntu16.04+cuda9.0）

python Flask離線安裝與測試

CentOS-7.0.中安裝與配置Tomcat-7的方法

SBT 1.0.3安裝與配置

Navicat Premium 12.0.18安裝與激活

Java JDK8.0的安裝與配置

大數據筆記（三）——Hadoop2.0的安裝與配置

轉：EMQTT測試--安裝與測試 (windows)

OPENCV3.0+VS2015安裝配置

官方版caffe-Windows的安裝與測試

ubantu16.04下caffe-cpu版本的安裝與測試

nDPI的安裝與測試

linux下的zookeeper單機模式安裝與測試

redis3.0.0 叢集安裝與整理總結

win10 解除安裝cuda8.0並安裝tensorflow-gpu1.11.0+cuda9.0+cudnn7.0 （安裝程式附網盤下載地址）

workerman-chat的安裝與測試.md

cuda8.0+VS2015安裝與測試

相關推薦