win7(X64)系统下cuda7.5和VS2013的配置

&1 安装

cuda7.5文件：链接：http://pan.baidu.com/s/1bU2zIQ 密码：nvyw

&2 环境变量

注意：CUDA_PATH是安装好cuda7.5之后会默认创建的，ProgramData是隐藏目录，要修改其属性，使其可见。

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5

CUDA_LIB_PATH = %CUDA_PATH%\lib\x64

CUDA_BIN_PATH = %CUDA_PATH%\bin

CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\x64

CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

 

然后，在系统的path变量之后追加下面一行：

 

;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;

 

 

&3 VS中的配置

• 新建一个空的项目，右边解决方案资源管理器，源文件上右键单击->添加新建项->CUDA C/C++ file

• 项目上右键单击->生成依赖项->生成自定义，选择CUDA7.5

• 项目上右键单击->属性->配置属性->VC++目录->包含目录

　　　　C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\include
　　　　C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5\common\inc

• 项目上右键单击->属性->配置属性->VC++目录->库目录

　　　　C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\lib\x64
　　　　C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5\common\lib\x64

• 项目上右键单击->属性->配置属性->链接器->常规->附加库目录

　　　　$(CUDA_PATH_V7_5)\lib\$(Platform)

• 项目上右键单击->属性->配置属性->链接器->输入->附加依赖项

　　　　cublas.lib
　　　　cublas_device.lib
　　　　cuda.lib
　　　　cudadevrt.lib
　　　　cudart.lib
　　　　cudart_static.lib
　　　　cufft.lib
　　　　cufftw.lib
　　　　curand.lib
　　　　cusolver.lib
　　　　cusparse.lib
　　　　nppc.lib
　　　　nppi.lib
　　　　npps.lib
　　　　nvblas.lib
　　　　nvcuvid.lib
　　　　nvrtc.lib
　　　　OpenCL.lib

　　就是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\lib\x64目录下的库。

• 单击菜单栏中的生成->配置管理器

　　　　将平台改为X64

&4 测试

 // CUDA runtime 库 + CUBLAS 库
 #include "cuda_runtime.h"
 #include "cublas_v2.h"

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

 using namespace std;

 // 定义测试矩阵的维度
 int const M = ;
 int const N = ;

 int main()
 {
 // 定义状态变量
 cublasStatus_t status;

 // 在 内存 中为将要计算的矩阵开辟空间
 float *h_A = (float*)malloc(N*M*sizeof(float));
 float *h_B = (float*)malloc(N*M*sizeof(float));

 // 在 内存 中为将要存放运算结果的矩阵开辟空间
 float *h_C = (float*)malloc(M*M*sizeof(float));

 // 为待运算矩阵的元素赋予 0-10 范围内的随机数
 for (int i = ; i<N*M; i++) {
 h_A[i] = (float)(rand() %  + );
 h_B[i] = (float)(rand() %  + );

 }

 // 打印待测试的矩阵
 cout << "矩阵 A :" << endl;
 for (int i = ; i<N*M; i++){
 cout << h_A[i] << " ";
 if ((i + ) % N == ) cout << endl;
 }
 cout << endl;
 cout << "矩阵 B :" << endl;
 for (int i = ; i<N*M; i++){
 cout << h_B[i] << " ";
 if ((i + ) % M == ) cout << endl;
 }
 cout << endl;

 /*
 ** GPU 计算矩阵相乘
 */

 // 创建并初始化 CUBLAS 库对象
 cublasHandle_t handle;
 status = cublasCreate(&handle);

 if (status != CUBLAS_STATUS_SUCCESS)
 {
 if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
 cout << "CUBLAS 对象实例化出错" << endl;
 }
 getchar();
 return EXIT_FAILURE;
 }

 float *d_A, *d_B, *d_C;
 // 在 显存 中为将要计算的矩阵开辟空间
 cudaMalloc(
 (void**)&d_A, // 指向开辟的空间的指针
 N*M * sizeof(float) //　需要开辟空间的字节数
 );
 cudaMalloc(
 (void**)&d_B,
 N*M * sizeof(float)
 );

 // 在 显存 中为将要存放运算结果的矩阵开辟空间
 cudaMalloc(
 (void**)&d_C,
 M*M * sizeof(float)
 );

 // 将矩阵数据传递进 显存 中已经开辟好了的空间
 cublasSetVector(
 N*M, // 要存入显存的元素个数
 sizeof(float), // 每个元素大小
 h_A, // 主机端起始地址
 , // 连续元素之间的存储间隔
 d_A, // GPU 端起始地址
  // 连续元素之间的存储间隔
 );
 cublasSetVector(
 N*M,
 sizeof(float),
 h_B,
 ,
 d_B,

 );

 // 同步函数
 cudaThreadSynchronize();

 // 传递进矩阵相乘函数中的参数，具体含义请参考函数手册。
 float a = ; float b = ;
 // 矩阵相乘。该函数必然将数组解析成列优先数组
 cublasSgemm(
 handle, // blas 库对象
 CUBLAS_OP_T, // 矩阵 A 属性参数
 CUBLAS_OP_T, // 矩阵 B 属性参数
 M, // A, C 的行数
 M, // B, C 的列数
 N, // A 的列数和 B 的行数
 &a, // 运算式的 α 值
 d_A, // A 在显存中的地址
 N, // lda
 d_B, // B 在显存中的地址
 M, // ldb
 &b, // 运算式的 β 值
 d_C, // C 在显存中的地址(结果矩阵)
 M // ldc
 );

 // 同步函数
 cudaThreadSynchronize();

 // 从 显存 中取出运算结果至 内存中去
 cublasGetVector(
 M*M, // 要取出元素的个数
 sizeof(float), // 每个元素大小
 d_C, // GPU 端起始地址
 , // 连续元素之间的存储间隔
 h_C, // 主机端起始地址
  // 连续元素之间的存储间隔
 );

 // 打印运算结果
 cout << "计算结果的转置 ( (A*B)的转置 )：" << endl;

 for (int i = ; i<M*M; i++){
 cout << h_C[i] << " ";
 if ((i + ) % M == ) cout << endl;
 }

 // 清理掉使用过的内存
 free(h_A);
 free(h_B);
 free(h_C);
 cudaFree(d_A);
 cudaFree(d_B);
 cudaFree(d_C);

 // 释放 CUBLAS 库对象
 cublasDestroy(handle);

 getchar();

 return ;
 }

cuda7.5测试