VS2010 CUDA 5.5 Win7 64位配置以及项目创建配置

一.安装CUDA5.5以及配置VS助手

1、安装之前必须确认自己电脑的GPU支持CUDA。在设备管理器中找到显示适配器（Display adapters)，找到自己电脑的显卡型号，如果包含在http://www.nvidia.com/object/cuda_gpus.html的列表中，说明支持CUDA。

安装CUDA之前最好检查一下自己电脑的显卡驱动版本，版本过老的话，需要更新。有时候安装完毕CUDA之后，运行6中的deviceQuery程序时会出错，请优先考虑显卡驱动的问题。

2、下载NVIDIA CUDA Toolkit （ http://www.nvidia.com/content/cuda/cuda-downloads.html），本人下载的是desktop版本win64

CUDA5.0以上已经将ToolKit和SDK等整合在了一起，因此只需下载一个安装文件即可。

3、首先确认自己已经安装Visual Studio 2010 后再安装助手Visual Assist X。这里Visual Assist X 对于使用CUDA 不是必须的，但为了使程序编写更为方便，这里推荐安装。

4、CUDA的默认安装目录为：C:\Program Files\NVIDIA GPUComputing Toolkit\ 这里推荐使用默认的安装路径，不需更改。

5、安装完成后，在系统变量环境里面会发现新添加了两个环境变量

CUDA_PATH

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.5

CUDA_PATH_V5_5

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.5

且在系统变量的path也会自动添加

C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v5.5\bin;C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v5.5\libnvvp;C:\Program Files (x86)\NVIDIACorporation\PhysX\Common;

6、此时CUDA已经安装成功。可以在DOS命令下，测试运行显示GPU硬件配置和cuda属性例子程序deviceQuery。路径在如下位置：

C:\ProgramData\NVIDIA Corporation\CUDASamples\v5.5\Bin\win32\Release

Dos下的命令提示符

dir查看文件夹下的目录

dir/a:h 查看当前目录的隐藏文件，因为ProgramData是隐藏文件。

cd .. 返回上一级文件夹， cd file 进入file 文件夹

运行bandwidthTest示例程序，结果如下：

双击桌面上的图标，运行cuda自带的例子。

7、CUDA C/C++关键字及函数高亮显示

这个设置是让Visual Studio2010 在编辑.cu 文件时，把.cu 文件里的C/C++语法高亮。设置方法：在Visual Studio 2010 的菜单依次选“ Tools|Options|TextEditor|File Extension（工具|选项|文本编辑器|文件扩展名）”，在该窗口中将“Editor（编辑器）”下拉框选择“Microsoft Visual C++”，在“Extension（扩展名）”文本框中输入cu 点击“Add（添加）”按钮，重复工作把cuh 添加为Visual C++类型，添加完成后点击“OK（确定）”按钮，如下图所示：

为了让CUDA 的关键字，如__device__、dim3 等的文字高亮，需按如下步骤设置：
将C:\ProgramData\NVIDIA Corporation\CUDASamples\v5.5\doc\syntax_highlighting\visual_studio_8 目录下的usertype.dat 文件复制到C:\ProgramFiles\Microsoft Visual Studio10.0\Common7\IDE\ 目录下（对x64 位Win7 系统为X:\Program Files(X86)\Microsoft Visual Studio10.0\Common7\IDE\）。重启Visual Studio2010 后打开.cu 文件，CUDA 的关键字应该变成蓝色了。

8、CUDA 函数高亮，及CUDA 函数输入代码提示

实现这个功能需要使用Visual Assist X，如果没有安装支持Visual Studio 2010的Visual Assist X，这部分功能无法实现。这里只是为使编写代码更加方便，对CUDA 程序的开发无实质性障碍。
如果已经安装VisualAssist X，可以通过以下两步实现需要的功能。
（1）使Visual Assist X 支持CUDA 函数高亮和代码完成
在VisualStudio 2010 的菜单里依次选择：“ VAssistX|Visual assistX Options|Projects|C/C++Directories”，在该界面的“Platform”下拉框中选择Custom，在“Show Directories for”下拉框中选择Other include files，然后在下面的输入框里，新建、添加如下路径，如图：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.5\include
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v5.5\common\inc

（2）使Visual Assist X 实现.cu 文件高亮和代码完成功能，需要编辑注册表。在修改注册表时，为避免带来不必要的错误请先关闭Visual Studio 2010。使用Win+R组合键打开“运行”窗口，键入入regedit 命令（register edit 的缩写）打开注册表，找到如下位置：HKEY_CURRENT_USER\Software\WholeTomato\Visual Assist X\VANet10。在右边找到ExtSource 项目，鼠标右键选修改，在原有文字后添加如下文字：.cu;.cuh; 确定后关闭注册表。重新打开Visual Studio 2010，Visual Assist X 便开始支持.cu 及.cuh 文件的语法高亮及代码完成。此时.cu 文件的CUDA 函数是高亮的，使用函数名符号就会自动提示函数全称，参数类型等信息。

修改注册表时，请把vs关闭，否则修改不成功。

二.创建cu文件测试示例

在Visual Studio 2010 菜单选择“file|new|project（文件|新建|工程）”，在打开的新建项目窗口的“已安装的模板”一栏中选择“NVIDIA|CUDA”，类型选择为“CUDA 5.5Runtime”，见下图。

在“名称”中输入工程名后，点击确定。cuda自动提供的kernel.cu 并行加法示例进行编译运行。结果如下：

在此基础上可以方便的进行cuda的代码测试。

三.在已有的C++项目中添加cu文件

我们往往需要在已建成的vc项目中，加入gpu的并行算法，以提高算法的效率。在此介绍如何在已有的项目中添加cu文件和配置过程。在cudasample中也提供了具体的参考示例，路径如下：

C:\ProgramData\NVIDIACorporation\CUDA Samples\v5.5\0_Simple\cppIntegration

运行cppIntegration_vs2010.sln，查看其配置。

1) 新建一个Win32控制台项目cppcuda；

2) 然后在项目中添加空白cu文件：在源文件处点击右键，添加》新建项

选择的文件类型是CPP文件，在写名称的时候可以直接写为.cu文件，也可以写成.cpp文件之后再进行重命名。此处写为add_kernel.cu.

3)  在项目名称右键选择生成自定义（B）…：

选择CUDA 5.5.(targets,.props)。

4) 在add_kernel.cu文件处点击右键，选择属性》配置属性》项类型下拉菜单中选择 CUDA C/C++

5)在项目》cppcuda属性页中，设置如下红色圆圈内的参数

更改配置属性》常规》字符集：

在 C/C++》常规》附加包含目录中添加绝对路径：

C:\ProgramData\NVIDIACorporation\CUDA Samples\v5.5\common\inc

C/C++》代码生成》运行库改为 多线程调试

链接器》常规》附加库目录中添加

$(CUDA_PATH_V5_5)\lib\$(Platform)

链接器》输入》附加依赖项 中输入

cudart_static.lib

6)以上配置完成之后，可以在空白的addcuda.cu开头添加如下两行代码

#include"cuda_runtime.h"

#include"device_launch_parameters.h"

7) 在cpp 与cu文件建立连接的函数定义必须用extern "C"形式开头，如

extern"C" double addnum(int *c, const int *a, constint *b, unsigned int size);

addnum这个函数具体在cu文件实现并行加法的功能，在cpp文件中调用。

8) 下面给出cppcuda具体的代码

如cppcuda.cpp：

#include"stdafx.h"

extern"C" double addnum(int *c, const int *a, const int *b, unsigned intsize);

int_tmain(int argc, _TCHAR* argv[])

{

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 };

addnum(c, a, b, arraySize);

return 0;

}

如add_kernel.cu：

#include"cuda_runtime.h"

#include"device_launch_parameters.h"

#include<stdio.h>

cudaError_taddWithCuda(int *c, const int *a, const int *b, unsigned int size);

__global__void addKernel(int *c, const int *a, const int *b)

{

int i = threadIdx.x;

c[i] = a[i] + b[i];

}

extern"C" double addnum(int *c, const int *a, const int *b, unsigned intsize)

{

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

if (cudaStatus != cudaSuccess) {

fprintf(stderr,"addWithCuda failed!");

return 1;

}

}

cudaError_taddWithCuda(int *c, const int *a, const int *b, unsigned int size)

{

int *dev_a = 0;

int *dev_b = 0;

int *dev_c = 0;

cudaError_t cudaStatus;

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

cudaStatus = cudaSetDevice(0);

if (cudaStatus != cudaSuccess) {

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

goto Error;

}

// Allocate GPU buffers for threevectors (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 memoryto 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 onethread for each element.

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

// Check for any errors launching thekernel

cudaStatus = cudaGetLastError();

if (cudaStatus != cudaSuccess) {

fprintf(stderr,"addKernel launch failed: %s\n", cudaGetErrorString(cudaStatus));

goto Error;

}

// cudaDeviceSynchronize waits for thekernel to finish, and returns

// any errors encountered during thelaunch.

cudaStatus = cudaDeviceSynchronize();

if (cudaStatus != cudaSuccess) {

fprintf(stderr,"cudaDeviceSynchronize returned error code %d after launchingaddKernel!\n", cudaStatus);

goto Error;

}

// Copy output vector from GPU bufferto 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;

}