windows8.1 VS2013下CUDA7.5配置

終於，點燃了GPU技能。現在把自己配置成功經驗寫下來，給想要配置的小夥伴們做個借鑑~

一、配置的環境

windows8.1 x64作業系統

顯示卡：NVIDA GERORCE 830M（渣顯示卡勿吐槽）

vs2013帶openCV2.4.9

二、配置過程

1.下載cuda，官網上https://developer.nvidia.com/cuda-downloads，首頁上能看到的只有CUDA8.0版本，點選紅色箭頭所指出會有別的版本，進去選擇即可，我安裝的是CUDA7.5.18，因為看到網上大多數都是這個版本的= =

這個CUDA7.5版本有900多M，最好用迅雷可以在斷點處接著下，但如果網速好的話瀏覽器下載也ok

2.下載之後就安裝了，這個安裝比較簡單，按照提示一步步預設安裝就好了。】、

3.配置環境變數

安裝完成後，系統會自動生成2個系統變數CUDA_PATH和CUDA_PATH_V7_5，剩下還有5個需要自己新增，新增步驟如下圖所示：

變數名和路徑如下：

變數名：CUDA_SDK_PATH

變數值：C:\ProgramData\NVIDIACorporation\CUDA Samples\v7.5

變數名：CUDA_LIB_PATH

變數值：%CUDA_PATH%\lib\x64

變數名：CUDA_BIN_PATH

變數值：%CUDA_PATH%\bin

變數名：CUDA_SDK_BIN_PATH

變數值：%CUDA_SDK_PATH%\bin\x64

變數名：CUDA_SDK_LIB_PATH

變數值：%CUDA_SDK_PATH%\common\lib\x64

ps：這些是建立在將cuda安裝在預設路徑的基礎上。如果自定義安裝路徑，則變數值應該需要改變，我沒試過不保證能行得通。

4.開啟VS2013建立一個win32控制檯新專案

(1) 新建一個原始檔,選擇CUDA C /C檔案

將項型別那兒選擇為CUDA C/C 。

5.開啟配置管理器

將平臺改為x64

好了，完工！

6.測試看是否安裝成功

將這段程式copy到剛剛新建的原始檔裡面，執行，如果結果如截圖所示，就說明安裝成功啦

#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;
}

執行結果截圖：