一、环境说明

1、软件环境

windows7 64位

CUDA 10.1

Visio Studio 2017

2、硬件环境

（1）查看本机显卡

（2）下载显卡驱动

https://www.nvidia.com/Download/index.aspx?lang=en-us

（3）下载CUDA开发工具

下载CUDA 10.1

https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

 

二、安装配置

1、安装显卡驱动和CUDA 10.1

2、测试环境

出现以上信息配置成功

3、编译测试文件

（1）找到以下文件，并使用VS2017打开

（2）编译生成

（3）配置环境变量

检验CUDA_PATH和CUDA_PATH_V10.0已经存在

然后添加如下环境变量

CUDA_SDK_PATH = C:ProgramDataNVIDIA CorporationCUDA Samples10.1 
CUDA_LIB_PATH = %CUDA_PATH%libd 
CUDA_BIN_PATH = %CUDA_PATH%in 
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%inwin64 
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%commonlibd
配置完成后需要重启电脑后，再一次查看

4、配置VS2017

（1）打开vs2017,创建测试工程

（2）新建的工程中添加CUDA C/C++ File

（3）添加项目依赖项，选择CUDA 10.1

（4）cuda_main.cu的属性配置成“CUDA C/C++”

5、项目配置

只配置X64

（1）包含目录配置

项目属性–>属性–>配置属性–>VC++目录–>包含目录 

添加包含目录： $(CUDA_PATH)include

（2）库目录配置

VC++目录–>库目录 

添加库目录： $(CUDA_PATH)libd

（3）依赖项配置

配置属性–>链接器–>输入–>附加依赖项 

添加库文件： 
    cublas.lib 
    cuda.lib 
    cudadevrt.lib 
    cudart.lib 
    cudart_static.lib 
    nvcuvid.lib （添加了该库后程序运行时会报错，去掉该库）
    OpenCL.lib

6、检验

• 打开命令提示符：定位到 c:ProgramDataNVIDIA CorporationCUDA Samples10.1inwin64Release
• 分别输入deviceQuery，bandwidthTest并运行，出现如下类似信息便说明CUDA安装成功

三、实际测试

参考：https://blog.csdn.net/u013165921/article/details/77891913

在GPU中完成一个矩阵的计算

将以下代码放到二中建立的cuda_main.cu文件，并运行

// CUDA runtime 库 + CUBLAS 库   
#include "cuda_runtime.h"  
#include "cublas_v2.h"  

#include <time.h>  
#include <iostream>  

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 << "矩阵 A :" << endl;
	for (int i = 0; i < N*M; i++) {
		cout << h_A[i] << " ";
		if ((i + 1) % N == 0) cout << endl;
	}
	cout << endl;
	cout << "矩阵 B :" << endl;
	for (int i = 0; i < N*M; i++) {
		cout << h_B[i] << " ";
		if ((i + 1) % M == 0) cout << endl;
	}
	cout << endl;

	/*
	** GPU 计算矩阵相乘
	*/

	// 创建并初始化 CUBLAS 库对象  
	cublasHandle_t handle;
	status = cublasCreate(&handle);

	if (status != CUBLAS_STATUS_SUCCESS)
	{
		if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
			cout << "CUBLAS 对象实例化出错" << endl;
		}
		getchar();
		return EXIT_FAILURE;
	}

	float *d_A, *d_B, *d_C;
	// 在 显存 中为将要计算的矩阵开辟空间  
	cudaMalloc(
		(void**)&d_A,    // 指向开辟的空间的指针  
		N*M * sizeof(float)    //　需要开辟空间的字节数  
	);
	cudaMalloc(
		(void**)&d_B,
		N*M * sizeof(float)
	);

	// 在 显存 中为将要存放运算结果的矩阵开辟空间  
	cudaMalloc(
		(void**)&d_C,
		M*M * sizeof(float)
	);

	// 将矩阵数据传递进 显存 中已经开辟好了的空间  
	cublasSetVector(
		N*M,    // 要存入显存的元素个数  
		sizeof(float),    // 每个元素大小  
		h_A,    // 主机端起始地址  
		1,    // 连续元素之间的存储间隔  
		d_A,    // GPU 端起始地址  
		1    // 连续元素之间的存储间隔  
	);
	cublasSetVector(
		N*M,
		sizeof(float),
		h_B,
		1,
		d_B,
		1
	);

	// 同步函数  
	cudaThreadSynchronize();

	// 传递进矩阵相乘函数中的参数，具体含义请参考函数手册。  
	float a = 1; float b = 0;
	// 矩阵相乘。该函数必然将数组解析成列优先数组  
	cublasSgemm(
		handle,    // blas 库对象   
		CUBLAS_OP_T,    // 矩阵 A 属性参数  
		CUBLAS_OP_T,    // 矩阵 B 属性参数  
		M,    // A, C 的行数   
		M,    // B, C 的列数  
		N,    // A 的列数和 B 的行数  
		&a,    // 运算式的 α 值  
		d_A,    // A 在显存中的地址  
		N,    // lda  
		d_B,    // B 在显存中的地址  
		M,    // ldb  
		&b,    // 运算式的 β 值  
		d_C,    // C 在显存中的地址(结果矩阵)  
		M    // ldc  
	);

	// 同步函数  
	cudaThreadSynchronize();

	// 从 显存 中取出运算结果至 内存中去  
	cublasGetVector(
		M*M,    //  要取出元素的个数  
		sizeof(float),    // 每个元素大小  
		d_C,    // GPU 端起始地址  
		1,    // 连续元素之间的存储间隔  
		h_C,    // 主机端起始地址  
		1    // 连续元素之间的存储间隔  
	);

	// 打印运算结果  
	cout << "计算结果的转置 ( (A*B)的转置 )：" << endl;

	for (int i = 0; i < M*M; i++) {
		cout << h_C[i] << " ";
		if ((i + 1) % M == 0) cout << endl;
	}

	// 清理掉使用过的内存  
	free(h_A);
	free(h_B);
	free(h_C);
	cudaFree(d_A);
	cudaFree(d_B);
	cudaFree(d_C);

	// 释放 CUBLAS 库对象  
	cublasDestroy(handle);

	getchar();

	return 0;
}

运行结果如下所示：

参考：

https://blog.csdn.net/linj_m/article/details/41314763

https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html#verify-you-have-cuda-enabled-system

https://blog.csdn.net/u013165921/article/details/77891913