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

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