win10+VS2017+Cuda10.0环境配置详解 |
您所在的位置:网站首页 › win10 c语言环境 › win10+VS2017+Cuda10.0环境配置详解 |
一、安装 1.1硬件支持 首先确定你的电脑显卡是支持Cuda安装的。 右键“我的电脑”,然后点击“设备管理器”。在显示适配器里可以查看显卡型号。 如果包含在官网列表 中,则可以点击对应的型号到下载界面下载Cuda安装包。 1.2 安装VS2017 官网下载VS2017,并安装。 1.3 安装Cuda 在安装过程中,会自动检测本机是否已经安装了配套的VS版本其中之一,如果VS版本和Cuda版本不匹配的话,安装无法进行。 ( 另外,如果电脑安装了360杀毒的话,安装过程中会不断有疑似病毒修改的提示,要全部允许操作,否则无法安装。) 以上步骤无报错通过之后,基本环境已经搭建完成。 二、测试环境是否成功 参考了很多,所以有好几种办法,我全部列出来。 2.1 运行cmd, 输入nvcc --version,即可查看版本号,如图: set cuda,可以查看cuda设置的环境变量,如图
2.2 开始菜单->NVIDIA Corporation->CUDA Samples->6.5->Browse CUDA Samples,左键单击打开示例代码的位置, 找到下图所示文件,在VS中打开并编译(Build)。
这个过程大约需要四十分钟,编译成功后,你将在VS中方看到如图所示的提示。 (在编译过程中,我的VS报了如下找不到SDK错误:
解决办法为: 无需重装,在开始菜单中找到VS的安装软件点击打开,点击修改(modify),缺少哪个版本安装哪个windows SDK即可。) 未编译前,Debug文件夹中只有三个文件,如图。
成功编译后这个位置(具体路径见上图)将生成很多文件,在其中找到deviceQueryDrv.exe的程序拖入到cmd中,回车运行。 结果如下图,我们得到了本机的GPU硬件信息。注意:关注第二行计算能力,可以看到这台机器的计算能力是5.0。
2.3 打开vs2017,(我们可以观察到,在VS2017模板一栏下方出现了“NVIDIA/CUDA 10.0”。)创建一个空win32程序,即cuda_test项目。选择cuda_test,点击右键–>项目依赖项–>自定义生成,选择CUDA9.0。右键源文件文件夹->添加->新建项->选择CUDA C/C++File,取名cuda_main。点击cuda_main.cu的属性,在配置属性–>常规–>项类型–>选择“CUDA C/C++”。 注意:以下步骤中的项目属性设置均针对x64
6. 包含目录配置: 1.右键点击项目属性–>属性–>配置属性–>VC++目录–>包含目录 2.添加包含目录:$(CUDA_PATH)\include 7. 库目录配置 1.VC++目录–>库目录 2.添加库目录:$(CUDA_PATH)\lib\x64 8. 依赖项 1.配置属性–>链接器–>输入–>附加依赖项 2.添加库文件:cublas.lib;cuda.lib;cudadevrt.lib;cudart.lib;cudart_static.lib;OpenCL.lib cuda_main.cu代码如下: #include "cuda_runtime.h" #include "cublas_v2.h" #include #include using namespace std; // 定义测试矩阵的维度 int const M = 5; int const N = 10; 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 = 0; i < N*M; i++) { h_A[i] = (float)(rand() % 10 + 1); h_B[i] = (float)(rand() % 10 + 1); } // 打印待测试的矩阵 cout |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |