一、新建项目
打开VS2017 → 新建项目 → Win32控制台应用程序 → “空项目”打钩
二、调整配置管理器平台类型
右键项目 → 属性 → 配置管理器 → 全改为“x64”
三、配置生成属性
右键项目 → 生成依赖项 → 生成自定义 → 勾选“CUDA 9.0XXX”
三、配置基本库目录
注意：后续步骤中出现的目录地址需取决于你当前的CUDA版本及安装路径
右键项目 → 属性 → 配置属性 → VC++目录 → 包含目录，添加以下目录：
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include
- C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\common\inc
…… → 库目录，添加以下目录：
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
- C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\common\lib\x64
四、配置CUDA静态链接库路径
右键项目 → 属性 → 配置属性 → 链接器 → 常规 → 附加库目录，添加以下目录：
- $(CUDA_PATH_V9_0)\lib\$(Platform)
五、选用CUDA静态链接库
右键项目 → 属性 → 配置属性 → 链接器 → 输入 → 附加依赖项，添加以下库：
- 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;nppial.lib;nppicc.lib;nppicom.lib;nppidei.lib;nppif.lib;nppig.lib;nppim.lib;nppist.lib;nppisu.lib;nppitc.lib;npps.lib;nvblas.lib;nvcuvid.lib;nvgraph.lib;nvml.lib;nvrtc.lib;OpenCL.lib;
以上为 “第三步” 中添加的库目录 “C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64” 中的库！
- 注意：kernel32.lib;user32.lib;gdi32.lib;winspool.lib;comdlg32.lib;advapi32.lib;shell32.lib;ole32.lib;oleaut32.lib;uuid.lib;odbc32.lib;odbccp32.lib;%(AdditionalDependencies)
这些库为原有！
六、配置源码文件风格
右键源文件 → 添加 → 新建项 → 选择 “CUDA C/C++ File”
右键 “xxx.cu" 源文件 → 属性 → 配置属性 → 常规 → 项类型 → 设置为“CUDA C/C++”
七、编写测试程序
1 #include "cuda_runtime.h"
2 #include "device_launch_parameters.h"
3 #include <stdio.h>
4
5 int main() {
6 int deviceCount;
7 cudaGetDeviceCount(&deviceCount);
8
9 int dev;
10 for (dev = 0; dev < deviceCount; dev++)
11 {
12 int driver_version(0), runtime_version(0);
13 cudaDeviceProp deviceProp;
14 cudaGetDeviceProperties(&deviceProp, dev);
15 if (dev == 0)
16 if (deviceProp.minor = 9999 && deviceProp.major == 9999)
17 printf("\n");
18 printf("\nDevice%d:\"%s\"\n", dev, deviceProp.name);
19 cudaDriverGetVersion(&driver_version);
20 printf("CUDA驱动版本: %d.%d\n", driver_version / 1000, (driver_version % 1000) / 10);
21 cudaRuntimeGetVersion(&runtime_version);
22 printf("CUDA运行时版本: %d.%d\n", runtime_version / 1000, (runtime_version % 1000) / 10);
23 printf("设备计算能力: %d.%d\n", deviceProp.major, deviceProp.minor);
24 printf("Total amount of Global Memory: %u bytes\n", deviceProp.totalGlobalMem);
25 printf("Number of SMs: %d\n", deviceProp.multiProcessorCount);
26 printf("Total amount of Constant Memory: %u bytes\n", deviceProp.totalConstMem);
27 printf("Total amount of Shared Memory per block: %u bytes\n", deviceProp.sharedMemPerBlock);
28 printf("Total number of registers available per block: %d\n", deviceProp.regsPerBlock);
29 printf("Warp size: %d\n", deviceProp.warpSize);
30 printf("Maximum number of threads per SM: %d\n", deviceProp.maxThreadsPerMultiProcessor);
31 printf("Maximum number of threads per block: %d\n", deviceProp.maxThreadsPerBlock);
32 printf("Maximum size of each dimension of a block: %d x %d x %d\n", deviceProp.maxThreadsDim[0],
33 deviceProp.maxThreadsDim[1],
34 deviceProp.maxThreadsDim[2]);
35 printf("Maximum size of each dimension of a grid: %d x %d x %d\n", deviceProp.maxGridSize[0], deviceProp.maxGridSize[1], deviceProp.maxGridSize[2]);
36 printf("Maximum memory pitch: %u bytes\n", deviceProp.memPitch);
37 printf("Texture alignmemt: %u bytes\n", deviceProp.texturePitchAlignment);
38 printf("Clock rate: %.2f GHz\n", deviceProp.clockRate * 1e-6f);
39 printf("Memory Clock rate: %.0f MHz\n", deviceProp.memoryClockRate * 1e-3f);
40 printf("Memory Bus Width: %d-bit\n", deviceProp.memoryBusWidth);
41 }
42
43 return 0;
44 }
输出结果：
原文地址：https://www.cnblogs.com/wayne793377164/p/8185404.html
时间： 2024-10-09 10:27:25