windows10下visual studio 2019安装以及cuda11配置

简介: windows10下visual studio 2019安装以及cuda11配置

安装visual studio 2019

进入官方的下载页面,可能需要登录,登录后选取社区版下载。

注意,这里只是下载安装器,真正的安装会在后续执行文件,配置安装目录后,联网下载安装包文件。整个过程比较简单,这里不作详细叙述。仅提供一份备用的安装器下载链接。

链接:https://pan.baidu.com/s/1l7IZBIXw7qiGZC9upCylgg

提取码:62dn

由于最新的visual studio版本已经来到了vs2022,但相应的cuda版本肯定也需要是最新的。这里选取vs2019和cuda11的搭配,如果选择安装vs2022,在下载cuda版本后,需要查看cuda版本中是否有相匹配的visual studio integration文件,否则不能配置成功。

安装英伟达驱动

进入驱动下载界面,根据自己的显卡型号,选择合适的显卡驱动。

注意,这里我电脑是gtx1650的显卡,产品系列选择Geforce16 Series,而不是GeForce GTX 16 Series [Notebook]。

查看驱动支持的cuda最高版本

有两种方式可以查看驱动与cuda的兼容版本。

  • 进入官方网站查看不同的cuda版本所需要的最低的驱动版本。由于我选择安装的驱动版本为457,因此最高能选择到11.1.1版本。
  • 成功安装英伟达驱动后,win+R,输入cmd,进入命令行界面,输入nvdia-smi,即可查看nvidia驱动版本,以及最高支持的cuda版本。

可以得知,英伟达驱动版本为457.49,最高支持的cuda版本为11.1。

安装cuda v11.1及cudnn8.0

下载文件

进入cuda的官方下载页面,下载cuda11的windows版本。

由于安装的英伟达驱动限制,最高支持到cuda11.1,因此选择该版本下载。

进入cudnn的主页面,输入账号密码,各种点击,最终会进入到真正的下载界面下载与cuda相匹配的cudnn版本。

由于cuda可以随意下载,而cudnn下载需要登录账号,而最麻烦的就是注册账号的过程,故提供一份cudnn8.0的备用的下载链接。

链接:https://pan.baidu.com/s/17ViL407xNT0pjfMj80T5kg

提取码:509a

安装配置

双击cuda安装包开始,输入一个临时的解压目录。

开始解压文件。

这里需要取消驱动的安装,因为我们之前安装的驱动版本,比cuda自带的驱动版本要高。不取消会安装失败。

最好将这些文件安装在D盘。如果系统盘够大的话,可以无视这条建议。

这里检查是否会安装visual studio 2019的配置选项,如果没有,则无法配置成功。

此步骤安装成功,在命令行输入nvcc -V可以显示cuda的版本信息。

对于cudnn的安装配置则较为简单,将文件下载,解压,改名,复制到指定目录即可。

将改名后的cudnn文件夹拷贝至cuda的安装目录即可。

环境变量添加

cuda装完,cuda的安装目录就已经添加到环境变量了。

仅需再将cudnn的动态库添加到Path即可。

至此,cuda和cudnn的配置过程结束。

配置visual studio的cuda环境

最后一步,也是比较麻烦的一步,配置visual studio的cuda环境。

双击visual studio图标,进入软件界面,创建空项目。

将x86改为x64。

cudaEnvSampleSample的属性列表中选择生成依赖项-生成自定义。

在弹出的Visual C++生成自定义文件中选择第一项,确定。

注:很多同学说这里没找到CUDA11.1(.targets,…)这一项,别着急,先跳过这一部分,新建下面的属性文件,再回来完成这一步。(正确步骤应该是这样的,排版时有一点疏漏)

点击视图-属性管理页,进入属性管理器。

在Debug|x64下添加属性表,表名可以用默认,也可以修改为CudaEnvPropertySheet.props。这个属性表在以后创建其他cuda项目的时候可以复用。到时候只需要添加现有属性表即可。

添加后,双击CudaEnvPropertySheet.props文件,出现属性页详细信息。点击通用属性-VC++目录-包含目录,点击编辑,添加所需的头文件路径。

点击添加图标,输入$(CUDA_PATH)\include,确定。

由于测试例程采用的是Samples中的文件,这里需将Samples\common中的头文件一并包含进来。

返回属性页,在通用属性-VC++目录-库目录下找到编辑,点击进入,添加库文件(.lib)所在路径。

点击添加图标,输入$(CUDA_PATH)\lib\x64,确定。

同理,测试例程采用了Sample中的文件,将例程所需的库文件路径一并添加。

返回属性页,点击链接器-常规-附加库目录,点击编辑,添加动态库所在路径。

点击添加图标,输入$(CUDA_PATH)\bin,确定。

在链接器-输入-附加依赖项中,将所有.lib文件名加入此项中,确定。

具体做法是命令行进入到.lib所在目录,dir /B >res.txt,再打开res.txt,将内容复制到目标框内。

至此,所有基本配置完成。添加一个测试文件。由左下的属性管理器切换至解决方案资源管理器。在cudaEnvSample项目-源文件-添加-新建项中,点击NVIDIA CUDA 11.1中的Code,选择CUDA C/C++ File,点击添加。

名称中输入test.cu,添加。这里选择Samples中的一个例子来运行,可以自行选择,这里附一个VectorAdd的代码。

#include <stdio.h>
// For the CUDA runtime routines (prefixed with "cuda_")
#include <cuda_runtime.h>
#include <helper_cuda.h>
/**
 * CUDA Kernel Device code
 *
 * Computes the vector addition of A and B into C. The 3 vectors have the same
 * number of elements numElements.
 */
__global__ void
vectorAdd(const float *A, const float *B, float *C, int numElements)
{
    int i = blockDim.x * blockIdx.x + threadIdx.x;
    if (i < numElements)
    {
        C[i] = A[i] + B[i];
    }
}
/**
 * Host main routine
 */
int
main(void)
{
    // Error code to check return values for CUDA calls
    cudaError_t err = cudaSuccess;
    // Print the vector length to be used, and compute its size
    int numElements = 50000;
    size_t size = numElements * sizeof(float);
    printf("[Vector addition of %d elements]\n", numElements);
    // Allocate the host input vector A
    float *h_A = (float *)malloc(size);
    // Allocate the host input vector B
    float *h_B = (float *)malloc(size);
    // Allocate the host output vector C
    float *h_C = (float *)malloc(size);
    // Verify that allocations succeeded
    if (h_A == NULL || h_B == NULL || h_C == NULL)
    {
        fprintf(stderr, "Failed to allocate host vectors!\n");
        exit(EXIT_FAILURE);
    }
    // Initialize the host input vectors
    for (int i = 0; i < numElements; ++i)
    {
        h_A[i] = rand()/(float)RAND_MAX;
        h_B[i] = rand()/(float)RAND_MAX;
    }
    // Allocate the device input vector A
    float *d_A = NULL;
    err = cudaMalloc((void **)&d_A, size);
    if (err != cudaSuccess)
    {
        fprintf(stderr, "Failed to allocate device vector A (error code %s)!\n", cudaGetErrorString(err));
        exit(EXIT_FAILURE);
    }
    // Allocate the device input vector B
    float *d_B = NULL;
    err = cudaMalloc((void **)&d_B, size);
    if (err != cudaSuccess)
    {
        fprintf(stderr, "Failed to allocate device vector B (error code %s)!\n", cudaGetErrorString(err));
        exit(EXIT_FAILURE);
    }
    // Allocate the device output vector C
    float *d_C = NULL;
    err = cudaMalloc((void **)&d_C, size);
    if (err != cudaSuccess)
    {
        fprintf(stderr, "Failed to allocate device vector C (error code %s)!\n", cudaGetErrorString(err));
        exit(EXIT_FAILURE);
    }
    // Copy the host input vectors A and B in host memory to the device input vectors in
    // device memory
    printf("Copy input data from the host memory to the CUDA device\n");
    err = cudaMemcpy(d_A, h_A, size, cudaMemcpyHostToDevice);
    if (err != cudaSuccess)
    {
        fprintf(stderr, "Failed to copy vector A from host to device (error code %s)!\n", cudaGetErrorString(err));
        exit(EXIT_FAILURE);
    }
    err = cudaMemcpy(d_B, h_B, size, cudaMemcpyHostToDevice);
    if (err != cudaSuccess)
    {
        fprintf(stderr, "Failed to copy vector B from host to device (error code %s)!\n", cudaGetErrorString(err));
        exit(EXIT_FAILURE);
    }
    // Launch the Vector Add CUDA Kernel
    int threadsPerBlock = 256;
    int blocksPerGrid =(numElements + threadsPerBlock - 1) / threadsPerBlock;
    printf("CUDA kernel launch with %d blocks of %d threads\n", blocksPerGrid, threadsPerBlock);
    vectorAdd<<<blocksPerGrid, threadsPerBlock>>>(d_A, d_B, d_C, numElements);
    err = cudaGetLastError();
    if (err != cudaSuccess)
    {
        fprintf(stderr, "Failed to launch vectorAdd kernel (error code %s)!\n", cudaGetErrorString(err));
        exit(EXIT_FAILURE);
    }
    // Copy the device result vector in device memory to the host result vector
    // in host memory.
    printf("Copy output data from the CUDA device to the host memory\n");
    err = cudaMemcpy(h_C, d_C, size, cudaMemcpyDeviceToHost);
    if (err != cudaSuccess)
    {
        fprintf(stderr, "Failed to copy vector C from device to host (error code %s)!\n", cudaGetErrorString(err));
        exit(EXIT_FAILURE);
    }
    // Verify that the result vector is correct
    for (int i = 0; i < numElements; ++i)
    {
        if (fabs(h_A[i] + h_B[i] - h_C[i]) > 1e-5)
        {
            fprintf(stderr, "Result verification failed at element %d!\n", i);
            exit(EXIT_FAILURE);
        }
    }
    printf("Test PASSED\n");
    // Free device global memory
    err = cudaFree(d_A);
    if (err != cudaSuccess)
    {
        fprintf(stderr, "Failed to free device vector A (error code %s)!\n", cudaGetErrorString(err));
        exit(EXIT_FAILURE);
    }
    err = cudaFree(d_B);
    if (err != cudaSuccess)
    {
        fprintf(stderr, "Failed to free device vector B (error code %s)!\n", cudaGetErrorString(err));
        exit(EXIT_FAILURE);
    }
    err = cudaFree(d_C);
    if (err != cudaSuccess)
    {
        fprintf(stderr, "Failed to free device vector C (error code %s)!\n", cudaGetErrorString(err));
        exit(EXIT_FAILURE);
    }
    // Free host memory
    free(h_A);
    free(h_B);
    free(h_C);
    printf("Done\n");
    return 0;
}

当添加完成后,便可以点击生成解决方案,窗口会显示调用nvcc编译源文件,生成成功-开始调试,得到以下类似输出即表示配置成功!

最后再强调一句,CudaEnvProperty.props是可以复用的,以后再新建cuda项目,只需要在新项目中采用该配置文件即可。

相关文章
|
1月前
|
存储 负载均衡 Java
如何配置Windows主机MPIO多路径访问存储系统
Windows主机多路径(MPIO)是一种技术,用于在客户端计算机上配置多个路径到存储设备,以提高数据访问的可靠性和性能。本文以Windows2012 R2版本为例介绍如何在客户端主机和存储系统配置多路径访问。
88 13
如何配置Windows主机MPIO多路径访问存储系统
|
15天前
|
机器学习/深度学习 并行计算 异构计算
WINDOWS安装eiseg遇到的问题和解决方法
通过本文的详细步骤和问题解决方法,希望能帮助你顺利在 Windows 系统上安装和运行 EISeg。
38 2
|
23天前
|
网络安全 Windows
Windows server 2012R2系统安装远程桌面服务后无法多用户同时登录是什么原因?
【11月更文挑战第15天】本文介绍了在Windows Server 2012 R2中遇到的多用户无法同时登录远程桌面的问题及其解决方法,包括许可模式限制、组策略配置问题、远程桌面服务配置错误以及网络和防火墙问题四个方面的原因分析及对应的解决方案。
|
25天前
|
NoSQL Linux PHP
如何在不同操作系统上安装 Redis 服务器,包括 Linux 和 Windows 的具体步骤
本文介绍了如何在不同操作系统上安装 Redis 服务器,包括 Linux 和 Windows 的具体步骤。接着,对比了两种常用的 PHP Redis 客户端扩展:PhpRedis 和 Predis,详细说明了它们的安装方法及优缺点。最后,提供了使用 PhpRedis 和 Predis 在 PHP 中连接 Redis 服务器及进行字符串、列表、集合和哈希等数据类型的基本操作示例。
49 4
|
26天前
|
Dart 搜索推荐 IDE
Windows下Zed编辑器配置Dart环境
本文介绍了Dart编程语言及其主要框架Flutter的优势,并推荐使用轻量级编辑器Zed进行Dart开发。详细步骤包括Dart环境的安装与配置,Zed编辑器的安装与个性化设置,以及如何在Zed中编写并运行Dart的HelloWorld程序。通过自定义任务实现Dart文件的快速运行,提高了开发效率。
|
28天前
|
监控 安全 网络安全
Windows Server管理:配置与管理技巧
Windows Server管理:配置与管理技巧
69 3
|
1月前
|
JavaScript 前端开发 开发者
如何在 Visual Studio Code (VSCode) 中使用 ESLint 和 Prettier 检查代码规范并自动格式化 Vue.js 代码,包括安装插件、配置 ESLint 和 Prettier 以及 VSCode 设置的具体步骤
随着前端开发技术的快速发展,代码规范和格式化工具变得尤为重要。本文介绍了如何在 Visual Studio Code (VSCode) 中使用 ESLint 和 Prettier 检查代码规范并自动格式化 Vue.js 代码,包括安装插件、配置 ESLint 和 Prettier 以及 VSCode 设置的具体步骤。通过这些工具,可以显著提升编码效率和代码质量。
415 4
|
2月前
|
数据安全/隐私保护 Windows
安装 Windows Server 2019
安装 Windows Server 2019
|
2月前
|
Windows
安装 Windows Server 2003
安装 Windows Server 2003
|
2月前
|
NoSQL Shell MongoDB
Windows 平台安装 MongoDB
10月更文挑战第10天
59 0
Windows 平台安装 MongoDB