win7(X64)系统下cuda7.5和VS2013的配置
2017-04-14 09:34
246 查看
&1 安装
cuda7.5文件:链接:http://pan.baidu.com/s/1bU2zIQ 密码:nvyw
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%;
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
cuda7.5测试
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
1 // CUDA runtime 库 + CUBLAS 库 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 // 定义测试矩阵的维度 11 int const M = 5; 12 int const N = 10; 13 14 int main() 15 { 16 // 定义状态变量 17 cublasStatus_t status; 18 19 // 在 内存 中为将要计算的矩阵开辟空间 20 float *h_A = (float*)malloc(N*M*sizeof(float)); 21 float *h_B = (float*)malloc(N*M*sizeof(float)); 22 23 // 在 内存 中为将要存放运算结果的矩阵开辟空间 24 float *h_C = (float*)malloc(M*M*sizeof(float)); 25 26 // 为待运算矩阵的元素赋予 0-10 范围内的随机数 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 // 打印待测试的矩阵 34 cout << "矩阵 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 << "矩阵 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 计算矩阵相乘 49 */ 50 51 // 创建并初始化 CUBLAS 库对象 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 对象实例化出错" << endl; 59 } 60 getchar(); 61 return EXIT_FAILURE; 62 } 63 64 float *d_A, *d_B, *d_C; 65 // 在 显存 中为将要计算的矩阵开辟空间 66 cudaMalloc( 67 (void**)&d_A, // 指向开辟的空间的指针 68 N*M * sizeof(float) // 需要开辟空间的字节数 69 ); 70 cudaMalloc( 71 (void**)&d_B, 72 N*M * sizeof(float) 73 ); 74 75 // 在 显存 中为将要存放运算结果的矩阵开辟空间 76 cudaMalloc( 77 (void**)&d_C, 78 M*M * sizeof(float) 79 ); 80 81 // 将矩阵数据传递进 显存 中已经开辟好了的空间 82 cublasSetVector( 83 N*M, // 要存入显存的元素个数 84 sizeof(float), // 每个元素大小 85 h_A, // 主机端起始地址 86 1, // 连续元素之间的存储间隔 87 d_A, // GPU 端起始地址 88 1 // 连续元素之间的存储间隔 89 ); 90 cublasSetVector( 91 N*M, 92 sizeof(float), 93 h_B, 94 1, 95 d_B, 96 1 97 ); 98 99 // 同步函数 100 cudaThreadSynchronize(); 101 102 // 传递进矩阵相乘函数中的参数,具体含义请参考函数手册。 103 float a = 1; float b = 0; 104 // 矩阵相乘。该函数必然将数组解析成列优先数组 105 cublasSgemm( 106 handle, // blas 库对象 107 CUBLAS_OP_T, // 矩阵 A 属性参数 108 CUBLAS_OP_T, // 矩阵 B 属性参数 109 M, // A, C 的行数 110 M, // B, C 的列数 111 N, // A 的列数和 B 的行数 112 &a, // 运算式的 α 值 113 d_A, // A 在显存中的地址 114 N, // lda 115 d_B, // B 在显存中的地址 116 M, // ldb 117 &b, // 运算式的 β 值 118 d_C, // C 在显存中的地址(结果矩阵) 119 M // ldc 120 ); 121 122 // 同步函数 123 cudaThreadSynchronize(); 124 125 // 从 显存 中取出运算结果至 内存中去 126 cublasGetVector( 127 M*M, // 要取出元素的个数 128 sizeof(float), // 每个元素大小 129 d_C, // GPU 端起始地址 130 1, // 连续元素之间的存储间隔 131 h_C, // 主机端起始地址 132 1 // 连续元素之间的存储间隔 133 ); 134 135 // 打印运算结果 136 cout << "计算结果的转置 ( (A*B)的转置 ):" << 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 // 清理掉使用过的内存 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 // 释放 CUBLAS 库对象 152 cublasDestroy(handle); 153 154 getchar(); 155 156 return 0; 157 }
cuda7.5测试
相关文章推荐
- 简单4步在win7 X64+cuda7.5或cuda8.0+VS2013环境中配置caffe深度学习框架,不用配置复杂的依赖库。
- 【window10+vs2013+opencv3.0+cuda7.5安装与配置】
- Ubuntu16.04系统下CUDA7.5配置Caffe教程
- Caffe初试(一)win7_64bit+VS2013+Opencv2.4.10+CUDA6.5配置Caffe环境
- Window8系统下安装caffe(Anaconda2+VS2013+CUDA7.5+cuDNN5+caffe)(自己安装了 部分失败)
- win7 64位 CUDA7.5 VS2013 安装配置
- VS2013+CUDA7.5配置win7——64位
- win7-opencv249-matlab-cuda7.5配置faster-rcnn
- CUDA 7.5 安装及配置(WIN7 64 英伟达G卡 VS2013)
- Win7 64位系统上OpenCV的安装与在VS2013上的配置&问题解决
- win7 x64系统配置caffe的matlab接口。
- win7 64位+caffe+cuda7.5配置
- Window8系统下安装caffe(Anaconda2+VS2013+CUDA7.5+cuDNN5+caffe)
- 【循序渐进地学好OpenCV&1】Win7 64位系统上OpenCV的安装与在VS2013上的配置
- VS2013+CUDA7.5配置 win7——64位
- Ubuntu16.04系统下CUDA7.5配置Caffe教程
- Win10+OpenCV2.4.13+VS2013+CUDA7.5配置教程
- Win7 配置caffe框架(VS2013 CUDA7.5 Win764位)
- win7(64位)+VS2013+CUDA7.5+caffe 环境配置
- CUDA7.5+opencv2.4.11+vs2013+TBB 环境配置