CUDA从入门到精通（二）：第一个CUDA程序

借鉴赵永科大神的博客：http://blog.csdn.net/kkk584520/article/details/9415199

打开VS2008，选择File->New->Project，弹出下面对话框，设置如下：



之后点OK，直接进入工程界面。

工程中，我们看到只有一个.cu文件，内容如下：

[cpp] view
plain copy

 print?

#include "cuda_runtime.h"  

#include "device_launch_parameters.h"  

  

#include <stdio.h>  

  

cudaError_t addWithCuda(int *c, const int *a, const int *b, size_t size);  

  

__global__ void addKernel(int *c, const int *a, const int *b)  

{  

    int i = threadIdx.x;  

    c[i] = a[i] + b[i];  

}  

  

int main()  

{  

    const int arraySize = 5;  

    const int a[arraySize] = { 1, 2, 3, 4, 5 };  

    const int b[arraySize] = { 10, 20, 30, 40, 50 };  

    int c[arraySize] = { 0 };  

  

    // Add vectors in parallel.  

    cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize);  

    if (cudaStatus != cudaSuccess) {  

        fprintf(stderr, "addWithCuda failed!");  

        return 1;  

    }  

  

    printf("{1,2,3,4,5} + {10,20,30,40,50} = {%d,%d,%d,%d,%d}\n",  

        c[0], c[1], c[2], c[3], c[4]);  

  

    // cudaThreadExit must be called before exiting in order for profiling and  

    // tracing tools such as Nsight and Visual Profiler to show complete traces.  

    cudaStatus = cudaThreadExit();  

    if (cudaStatus != cudaSuccess) {  

        fprintf(stderr, "cudaThreadExit failed!");  

        return 1;  

    }  

  

    return 0;  

}  

  

// Helper function for using CUDA to add vectors in parallel.  

cudaError_t addWithCuda(int *c, const int *a, const int *b, size_t size)  

{  

    int *dev_a = 0;  

    int *dev_b = 0;  

    int *dev_c = 0;  

    cudaError_t cudaStatus;  

  

    // Choose which GPU to run on, change this on a multi-GPU system.  

    cudaStatus = cudaSetDevice(0);  

    if (cudaStatus != cudaSuccess) {  

        fprintf(stderr, "cudaSetDevice failed!  Do you have a CUDA-capable GPU installed?");  

        goto Error;  

    }  

  

    // Allocate GPU buffers for three vectors (two input, one output)    .  

    cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));  

    if (cudaStatus != cudaSuccess) {  

        fprintf(stderr, "cudaMalloc failed!");  

        goto Error;  

    }  

  

    cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));  

    if (cudaStatus != cudaSuccess) {  

        fprintf(stderr, "cudaMalloc failed!");  

        goto Error;  

    }  

  

    cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));  

    if (cudaStatus != cudaSuccess) {  

        fprintf(stderr, "cudaMalloc failed!");  

        goto Error;  

    }  

  

    // Copy input vectors from host memory to GPU buffers.  

    cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);  

    if (cudaStatus != cudaSuccess) {  

        fprintf(stderr, "cudaMemcpy failed!");  

        goto Error;  

    }  

  

    cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);  

    if (cudaStatus != cudaSuccess) {  

        fprintf(stderr, "cudaMemcpy failed!");  

        goto Error;  

    }  

  

    // Launch a kernel on the GPU with one thread for each element.  

    addKernel<<<1, size>>>(dev_c, dev_a, dev_b);  

  

    // cudaThreadSynchronize waits for the kernel to finish, and returns  

    // any errors encountered during the launch.  

    cudaStatus = cudaThreadSynchronize();  

    if (cudaStatus != cudaSuccess) {  

        fprintf(stderr, "cudaThreadSynchronize returned error code %d after launching addKernel!\n", cudaStatus);  

        goto Error;  

    }  

  

    // Copy output vector from GPU buffer to host memory.  

    cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);  

    if (cudaStatus != cudaSuccess) {  

        fprintf(stderr, "cudaMemcpy failed!");  

        goto Error;  

    }  

  

Error:  

    cudaFree(dev_c);  

    cudaFree(dev_a);  

    cudaFree(dev_b);  

      

    return cudaStatus;  

}  

 可以看出，CUDA程序和C程序并无区别，只是多了一些以"cuda"开头的一些库函数和一个特殊声明的函数：

[cpp] view
plain copy

 print?

__global__ void addKernel(int *c, const int *a, const int *b)  

{  

    int i = threadIdx.x;  

    c[i] = a[i] + b[i];  

}  

这个函数就是在GPU上运行的函数，称之为核函数，英文名Kernel Function，注意要和操作系统内核函数区分开来。

 

我们直接按F7编译，可以得到如下输出：

[plain] view
plain copy

 print?

1>------ Build started: Project: cuda_helloworld, Configuration: Debug Win32 ------  

1>Compiling with CUDA Build Rule...  

1>"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.0\\bin\nvcc.exe"  -G   -gencode=arch=compute_10,code=\"sm_10,compute_10\" -gencode=arch=compute_20,code=\"sm_20,compute_20\"  --machine 32 -ccbin "C:\Program Files (x86)\Microsoft Visual Studio 9.0\VC\bin"    -Xcompiler "/EHsc /W3 /nologo /O2 /Zi   /MT  "  -I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.0\\include" -maxrregcount=0   --compile -o "Debug/kernel.cu.obj" kernel.cu    

1>tmpxft_000000ec_00000000-8_kernel.compute_10.cudafe1.gpu  

1>tmpxft_000000ec_00000000-14_kernel.compute_10.cudafe2.gpu  

1>tmpxft_000000ec_00000000-5_kernel.compute_20.cudafe1.gpu  

1>tmpxft_000000ec_00000000-17_kernel.compute_20.cudafe2.gpu  

1>kernel.cu  

1>kernel.cu  

1>tmpxft_000000ec_00000000-8_kernel.compute_10.cudafe1.cpp  

1>tmpxft_000000ec_00000000-24_kernel.compute_10.ii  

1>Linking...  

1>Embedding manifest...  

1>Performing Post-Build Event...  

1>copy "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.0\\bin\cudart*.dll" "C:\Users\DongXiaoman\Documents\Visual Studio 2008\Projects\cuda_helloworld\Debug"  

1>C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.0\\bin\cudart32_50_35.dll  

1>C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.0\\bin\cudart64_50_35.dll  

1>已复制         2 个文件。  

1>Build log was saved at "file://c:\Users\DongXiaoman\Documents\Visual Studio 2008\Projects\cuda_helloworld\cuda_helloworld\Debug\BuildLog.htm"  

1>cuda_helloworld - 0 error(s), 105 warning(s)  

========== Build: 1 succeeded, 0 failed, 0 up-to-date, 0 skipped ==========  

可见，编译.cu文件需要利用nvcc工具。该工具的详细使用见后面博客。

 

直接运行，可以得到结果图如下：



 

如果显示正确，那么我们的第一个程序宣告成功！