Cuda配置-02 VS环境配置-Toy模板网

这篇具有很好参考价值的文章主要介绍了Cuda配置-02 VS环境配置。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

说明

要进行CUDA编程开发就必须安装CUDA驱动，CUDA驱动的硬件条件为英伟达显卡以及对应的驱动软件。一般进行CUDA编程开发的操作系统主要是两种：Windows操作系统和Linux操作系统。Windows操作系统的集成开发环境可以使用Visual Studio(简称VS)或CLion，Linux操作系统的集成开发环境可以使用Visual Studio Code(简称VSCode)或Clion。
本教程主要是完成Windows操作系统下的Visual Studio集成开发环境配置，在配置之前，请确保你已经完成下列关键步骤：

存在英伟达显卡并且已经安装了对应驱动，一般有英伟达显卡的操作系统会预装驱动。
安装了CUDA驱动程序，如果你已经有了英伟达显卡驱动，此步可以参考我上一篇教程。
安装了Visual Studio，并且利用VS可以正常运行一个C/C++的Hello World程序。

在配置的过程中，我的具体环境参数为：CUDA11.2, Win10, VS2019。

步骤

系统环境变量里面添加：

CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
CUDA_BIN_PATH=%CUDA_PATH%\bin
CUDA_LIB_PATH=%CUDA_PATH%\lib\x64

注：如果CUDA安装路径不是默认路径，或者版本不是11.2的，请灵活改一下路径参数C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2

Path环境变量里面添加：

%CUDA_BIN_PATH%
%CUDA_LIB_PATH%

在CUDA的文件夹下： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\visual_studio_integration\MSBuildExtensions 将所有文件复制到C:\Program Files (x86)\Microsoft Visual Studio\2019\Professional\MSBuild\Microsoft\VC\v160\BuildCustomizations 文件夹下，注意核对自己的路径参数是否正确，你的路径和我的路径有可能存在略微差别。
上述步骤只需要配置一次就行，下面的步骤需要每次Visual Studio新建CUDA项目都需要配置

VS中新建项目，项目名称为"CudaProject"，项目类型为"C++控制台程序"，源程序名称为"main.cpp"。
右键项目"CudaProject"，选择：生成依赖项–>生成自定义–>勾选CUDA
右键程序"main.cpp"，选择：属性–>常规–>项类型–>CUDA C/C++
右键项目"CudaProject"，选择：属性->配置属性->VC++目录->包含目录，添加包含目录:$(CUDA_PATH)\include
在第8步的"VC++目录"里面，选择：VC++目录–>库目录，添加库目录:$(CUDA_PATH)\lib\x64
在第8步的"配置属性"里面，选择：配置属性–>链接器–>输入–>附加依赖项，把参数改为如下内容。文章来源地址https://www.toymoban.com/news/detail-613292.html

cublas.lib
cuda.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
OpenCL.lib

运行如下Hello World程序试试水：


//C语言标准库
#include <stdio.h>
//Cuda运行库
#include <cuda_runtime.h>

//核函数，GPU中运行：在GPU中打印Hello World
__global__ void mykernel(void) {
    //GPU打印Hello World
    printf("Hello World From GPU!\n");
}

//主函数，CPU中运行，修饰符__host__可以省略不写
int main(void) {
    //CPU打印Hello World
    printf("Hello World From CPU!\n");
    //调用核函数，启用GPU执行打印任务
    mykernel << <2, 2 >> > ();
    //同步函数，作用为：强制CPU等待GPU执行完才执行
    cudaDeviceSynchronize();
    return 0;
}