最新CUDA环境配置(Win10 + CUDA 11.6 + VS2019)
本篇博客根据NVIDIA 官方文档所述, 并根据自己实践得出. 供各位需要的朋友参考.
1.前言
本篇文章的软件环境为:
- Windows 10
- CUDA 11.6
- VS2019
CUDA是目前做人工智能, 深度学习等方向的必备工具库. 由CUDA衍生出的加速工具很多, 如: cuDNN, TensorRT, cuBLAS等HPC加速库, 或者涉及最新的元宇宙概念中的Omniverse等.
在很多时候, 非常多的NVIDIA加速库的底层加速方案都是CUDA. 我们可能在绝大多数时候不会直接利用CUDA写代码, 但是了解CUDA如何运转或者基本概念一定能让你如虎添翼.
如果大家感兴趣也可以查看本人翻译的官方的CUDA编程手册,希望能帮到大家.
https://blog.csdn.net/kunhe0512/category_11774233.html
2.VS 2019
对于VS, 我用的其实极少. 本人从一开始就被老板带进了Vim + Makefile的环境. 这里简单提一下.
目前我用的是VS2019, 大家可以根据自己需要下载所需版本, 下面是链接地址.
https://visualstudio.microsoft.com/zh-hans/vs/
这里需要重点提的是, 尽量把使用C++的桌面开发选择上.后续在用CMake的时候会比较方便.
3.CUDA下载
CUDA官方安装教程:https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html
CUDA Toolkit的下载:https://developer.nvidia.com/cuda-downloads
点击上述下载页面之后, 你会看到:
你需要自己选择你的操作系统, 系统架构, 系统版本 和 安装方式.
选择完成之后, 点击 Download(2.5 GB) 的按钮,就可以下载了.
当然, 如果你想安装历史版本(更早期的版本), 那么也可以点击下面的Archive of Previous CUDA Releases来下载, 操作方法同上.
下载好之后, 你就可以看到以下图标:
4.安装配置
双击你下载的CUDA Toolkit, 你就会看到工具包的解压路径(推荐默认).
解压完毕之后, 就开始安装了, 接下来点击同意并继续:
接下来设置安装选项, 这里推荐点击自定义(特别是第一次安装):
然后将能选的都选上, 很多东西可能你一开始用不上(比如nsight系统), 但是当你做的越来越多, 涉及的越来越深的时候就可能会用到.
然后选择安装路径, 这里也推荐默认, 毕竟是底层的调用库
接下来就不用你在操作了, 直到CUDA Toolkit 安装完毕.
5.环境变量
右键点击我的电脑(此电脑) --> 属性 --> 高级系统设置 --> 环境变量, 查看CUDA路径是否已经在系统中, 如果没有记得添加上.
6.测试CUDA安装是否成功
利用(Win + R)–>cmd, 打开系统终端命令行, 输入
nvcc -V
如果你看到如下结果, 证明你的CUDA已经安装完毕.
7.利用Visual Studio 2019 进行CUDA程序开发
打开已经安装好的VS 2019, 选择创建新项目:
选择CUDA 11.xx Runtime, 这里的xx代表你的版本.
给你的CUDA程序起个名字: Matrix_transpose
这里的名字随便起的, 因为我后面要写一个矩阵转置的示例,所以才用Matrix_transpose这个名字
创建之后, 你会发现里面已经有了一些代码, 那个是向量相加的示例. 你不用管他, 把kernel.cu中的代码删掉, 就可以开始你自己的开发了.
你可以尝试输入一下代码, 完成一个矩阵转置的实例:
#include <stdio.h> #include <stdlib.h> #include "error.cuh" #define TILE_DIM 32 //Don't ask me why I don't set these two values to one #define BLOCK_SIZE 32 #define N 3001 // for huanhuan, you know that! __managed__ int input_M[N * N]; //input matrix & GPU result int cpu_result[N * N]; //CPU result //in-place matrix transpose __global__ void ip_transpose(int* data) { __shared__ int tile_s[TILE_DIM ][TILE_DIM + 1]; __shared__ int tile_d[TILE_DIM ][TILE_DIM + 1]; int x = blockIdx.x * TILE_DIM + threadIdx.x; int y = blockIdx.y * TILE_DIM + threadIdx.y; //Threads in the triangle below if (blockIdx.y > blockIdx.x) { int dx = blockIdx.y * TILE_DIM + threadIdx.x; int dy = blockIdx.x * TILE_DIM + threadIdx.y; if (x < N && y < N) { tile_s[threadIdx.y][threadIdx.x] = data[(y)*N + x]; } if (dx < N && dy < N) { tile_d[threadIdx.y][threadIdx.x] = data[(dy)*N + dx]; } __syncthreads(); if (dx < N && dy < N) { data[(dy)*N + dx] = tile_s[threadIdx.x][threadIdx.y]; } if (x < N && y < N) { data[(y)*N + x] = tile_d[threadIdx.x][threadIdx.y]; } } else if (blockIdx.y == blockIdx.x)//Threads on the diagonal { if (x < N && y < N) { tile_s[threadIdx.y][threadIdx.x] = data[(y)*N + x]; } __syncthreads(); if (x < N && y < N) { data[(y)*N + x] = tile_s[threadIdx.x][threadIdx.y]; } } } void cpu_transpose(int* A, int* B) { for (int j = 0; j < N; j++) { for (int i = 0; i < N; i++) { B[i * N + j] = A[j * N + i]; } } } int main(int argc, char const* argv[]) { cudaEvent_t start, stop_gpu; CHECK(cudaEventCreate(&start)); CHECK(cudaEventCreate(&stop_gpu)); for (int i = 0; i < N; ++i) { for (int j = 0; j < N; ++j) { input_M[i * N + j] = rand() % 1000; } } cpu_transpose(input_M, cpu_result); CHECK(cudaEventRecord(start)); unsigned int grid_rows = (N + BLOCK_SIZE - 1) / BLOCK_SIZE; unsigned int grid_cols = (N + BLOCK_SIZE - 1) / BLOCK_SIZE; dim3 dimGrid(grid_cols, grid_rows); dim3 dimBlock(BLOCK_SIZE, BLOCK_SIZE); ip_transpose << <dimGrid, dimBlock >> > (input_M); CHECK(cudaDeviceSynchronize()); CHECK(cudaEventRecord(stop_gpu)); CHECK(cudaEventSynchronize(stop_gpu)); float elapsed_time_gpu; CHECK(cudaEventElapsedTime(&elapsed_time_gpu, start, stop_gpu)); printf("Time_GPU = %g ms.\n", elapsed_time_gpu); CHECK(cudaEventDestroy(start)); CHECK(cudaEventDestroy(stop_gpu)); int ok = 1; for (int i = 0; i < N; ++i) { for (int j = 0; j < N; ++j) { if (fabs(input_M[i * N + j] - cpu_result[i * N + j]) > (1.0e-10)) { ok = 0; } } } if (ok) { printf("Pass!!!\n"); } else { printf("Error!!!\n"); } return 0; }
点击运行之后, 你就可以看到如下结果:
OK, 到这里你就完成了CUDA环境的搭建, 并且写了第一个CUDA程序
