编译64位cu文件的设置

最新推荐文章于 2025-06-10 15:17:08 发布
最新推荐文章于 2025-06-10 15:17:08 发布
阅读量3.6k 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： GPU
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/clever101/article/details/53470479


作者：朱金灿

来源：http://blog.youkuaiyun.com/clever101

 

         CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。cuda的程序就放到cu文件中，NVIDIA有专门的编译器将cu文件编译成obj文件。今天在将一个含cuda程序的cu文件编译成64位程序时出现一个错误：

1>..\..\Intdir\Debug64\cvSift\ProgramCU.cu.obj: fatal error LNK1112: 模块计算机类型“X86”与目标计算机类型“x64”冲突

 

          想到的错误应该是obj文件还是32位的，但是编译的工程已经被设置为64位。因此需要修改cu文件的属性设置，具体如下：

服务器上使用nvcc编译多个cu文件,在cmake中使用nvcc编译。cu
weixin_39954569的博客
08-11 1706
I have an opencv c++ script and I need to use cudamemcpy in it. So I used cudamemcpy in my script and saved the file as a .cu I am using cmake. So I added the .cu as a cuda_executable. But when I use ...
vs2022编译运行cuda编程的cu文件
DeepCBW的博客
01-13 785
3、CUDA C/C++ ---->Device ----->Code Generatio改 compute_52,sm_52;2、*.cu文件右键 -----> 属性 -----> 配置属性 -----> 常规 -----> 项类型 改为 cuda c/c++;1、项目 -----> 生成依赖项 -----> 生成自定义，勾选cuda；
[GPU]2.编译.cu文件
weixin_63160898的博客
03-13 968
如果你完成了这些的话，编译.cu文件就比较容易了，比如这个文件，我命名为hello_world.cu。在编译.cu文件的时候，需要先确定自己已经安装了CUDA，并将其配置到系统环境中。当然这个的前提是——你的显卡得是nvida的，你才能安装这个工具。如果编译成功，你可以发现文件夹中出现hello_world。指令执行编译后的文件。
VSCode中结合CMake进行CUDA编译
最新发布
Made In SQL
06-10 878
VSCode结合CMake实现高效CUDA开发的150字摘要： 本文提供基于VSCode+CMake的CUDA开发全流程方案，包含项目配置（多GPU架构支持、第三方库集成）、调试优化技巧及常见问题解决。关键点包括：1) 通过CMake 3.18+自动管理CUDA编译链；2) 使用CUDA_ARCHITECTURES属性精准控制目标GPU架构；3) VSCode配置调试环境（cuda-gdb/Nsight）；4) 条件编译实现调试/发布模式切换。方案支持跨平台开发，推荐采用Ninja加速构建，并通过可分模块编
ubuntu系统上，对.cu文件进行编译，生成.so或可执行文件
m0_37635769的博客
07-14 3553
ubuntu系统上，怎样对.cu文件进行编译，生成.so或可执行文件
nvcc 编译 .cu 源代码的基本用法
weixin_67051070的博客
07-24 5368
指定了 GPU 计算能力、C++11 标准、优化等选项,并链接了 CUDA runtime 库。nvcc 是 NVIDIA 提供的 CUDA C/C++ 的编译器。即分别编译.cu和.cpp文件,然后链接生成可执行文件。,并输出一个叫 vectorAdd 的可执行文件。注意链接顺序,先放CUDA库。这将使用默认参数编译。
.cu文件的两种编译方式
qq_43116001的博客
09-01 6515
开一个cuda学习的坑，记录自己学习cuda过程中一些有意思的知识点 主要参考教程：谭升的博客 CUDA文件既可以使用CMake编译，也可以使用nvcc编译。区别在于，CMake能使用单条命令进行多个文件的编译（前提是写好CMakeLists），而nvcc只能进行单个.cu文件的编译 一个使用CUDA进行.cu文件编译的CMakeLists示例如下 project(check_dimension CUDA) #指明编译的是CUDA文件 add_executable(check_dimension chec
rtl8821cu芯片无线网卡驱动编译后的ko文件
12-28
rtl8821cu 网卡 编译好的ko文件 主要是针对有该类型芯片的无线网卡在linux中无法被识别的问题，在我的博客中有介绍详细的使用方法
Cmake同时编译cpp文件和cu文件
qq_41955812的博客
10-13 1543
关键两步： 1.add_executable指令换为cuda_add_executable 2.在cuda_add_executable执行前添加set_source_files_properties(${主c++文件名} PROPERTIES CUDA_SOURCE_PROPERTY_FORMAT OBJ) 部分代码： set(CUDA_GEN_CODE "-gencode=arch=compute_75,code=sm_75") set(CUDA_NVCC_FLAGS "${CUDA_NVCC_FLAG
在MATLAB中使用mex编译CUDA文件(.cu)
qq_42628900的博客
02-19 1794
本文参考了：http://tomheaven.cn/index.php/2016/matlab_mexcuda/#more-47 以及 https://www.freesion.com/article/4732370363/ 目标：将用c++写成的.cu文件转为MATLAB可以直接调用的mexw64文件 手段：使用VS2017作为编译器(电脑已安装NVIDIA GPU Computing Toolkit) 原因：.cu文件作为设备和主机均能使用的文件，需要NVCC编译器编译，因此用vs2017主要是用它里面
VS2019 编译.cu文件
lu_linux的博客
02-10 2058
前言： 在VS2019执行cu文件，即cuda编程，需要按如下操作配置. 步骤： 1.生成自定义文件 项目->生成依赖性->生成自定义 2.配置cu文件 选择cu文件右键选择属性. 说明： 该操作可解决如下问题： 原文链接：https://blog.youkuaiyun.com/william_hehe/article/details/108719194 ...
.cu文件在Windows环境下，编译器报错 expected a declaration的解决办法
qq_52692506的博客
03-08 1287
.cu文件在Windows环境下，编译器报错 expected a declaration的解决办法
cuda的cu文件单独编译
武泗海的博客
10-18 1583
cu文件单独编译的时候，对所有cu文件使用相同的flags
Cuda学习笔记（四）——在vs2010中配置.cpp和.cu文件
热门推荐
海纳百川 有容乃大
04-18 2万+
由于GPU目前在各行各业的广泛应用，无论是深度学习、大数据、云计算等都离不开GPU的并行加速，前阵子自学了Cuda-c编程，希望将来的研究工作能够用得上。 　　Cuda系列总共有4篇，这里主要用于记录本人学习过程中的一些问题的思考和总结，及网上汇总摘录的别人的一些总结、看法等，并不适合新手入门。如有错误，欢迎各位指正。...
Linux 下.cpp与.cu编译
weixin_41453111的博客
01-17 4273
.cu 与 .cpp 与 .c 文件联合编译的方法参考 https://blog.youkuaiyun.com/bendanban/article/details/8518382
在已有的Visual Studio工程中加入CU文件
hollyholly5的博客
11-29 9711
说明：CU文件是CUDA部分，由nvcc编译器来编译的；C++或者C的部分就是由C或者C++的编译器编译，各自编译各自的部分。 注意： （1）一定先安装Visual Studio，再安装CUDA。 （2）CUDA7.5目前只支持Visual Studio2013 CUDA8.0 支持Visual Studio2015 所以安装的Visual Studio版本要与CUDA版本匹配 （3）
makefile编译多个.cu文件
03-13
<think>嗯，用户想知道如何用Makefile编译多个CUDA的.cu文件。我之前在资料里看到过相关的引用，比如引用4提到用nvcc直接编译，或者用CMake。但用户现在特别问的是Makefile，所以得集中在Makefile的方法上。 首先，用户可能需要一个基本的Makefile结构，能处理多个.cu文件。引用3中的例子是用nvcc生成动态库，然后链接到主程序。比如，他们有一个libtestcu.so的目标，然后编译C程序时链接这个库。这可能适用于多个.cu文件的情况，但需要调整。 那怎么处理多个.cu文件呢？通常，每个.cu文件可能需要先编译成对象文件(.o)，然后链接在一起。比如，对于多个源文件，可以将每个.cu编译成对应的.o，再链接成可执行文件。在Makefile中，可以定义目标文件列表，然后用模式规则来编译每个.cu文件为.o。 需要注意的是，nvcc的编译选项，比如生成共享库需要-shared和-fPIC，但如果是可执行文件可能不需要。另外，CUDA的运行时库需要链接，比如-lcudart，并且可能需要指定库路径，比如-L/usr/local/cuda/lib64，如引用3和4提到的。 还有，用户可能需要处理头文件依赖的问题，所以在Makefile中应该包含头文件的依赖关系，确保修改头文件时重新编译相关源文件。不过，对于CUDA文件，可能需要用nvcc的-M生成依赖关系，但这可能比较复杂，暂时可能先忽略，保持简单。 所以，可能的步骤是：定义源文件列表，生成对应的对象文件，然后链接所有对象文件成可执行文件。同时，设置正确的编译选项和链接选项。 比如，SRCS = file1.cu file2.cu，然后OBJS = $(SRCS:.cu=.o)，再定义规则将.cu编译为.o，使用nvcc -c命令。最后，链接这些.o文件，加上CUDA的库路径和库。 另外，清理目标clean也是必要的，删除中间文件和可执行文件。 检查引用中的例子，比如引用3中的例子，他们用nvcc -shared生成动态库，然后主程序链接这个库。用户可能需要的是生成可执行文件，所以可能不需要生成动态库，而是直接链接对象文件。 另外，需要考虑是否使用GPU架构的编译选项，比如-gencode arch=compute_61,code=sm_61，根据实际GPU架构调整，但用户可能需要根据自己硬件修改。 所以，总结一下，Makefile的结构应该包括： 1. 定义变量：编译器NVCC，源文件列表，对象文件列表，可执行文件名，编译选项，链接选项等。 2. 默认目标：生成可执行文件，依赖于对象文件，然后链接。 3. 模式规则：将每个.cu文件编译为.o文件，使用nvcc -c。 4. clean目标：删除生成的文件。 需要注意路径是否正确，比如CUDA的安装路径，库路径是否正确引用，比如/usr/local/cuda/lib64。 可能用户遇到的错误是找不到cudart库，所以链接时需要正确指定-L和-l选项，如引用3中的例子。 所以，最终的Makefile可能类似： 定义变量： NVCC = nvcc SRCS = main.cu kernel.cu utils.cu OBJS = $(SRCS:.cu=.o) EXEC = demo CFLAGS = -gencode arch=compute_61,code=sm_61 LDFLAGS = -lcudart -L/usr/local/cuda/lib64 然后规则： $(EXEC): $(OBJS) $(NVCC) $(OBJS) -o $@ $(LDFLAGS) %.o: %.cu $(NVCC) -c $< -o $@ $(CFLAGS) clean: rm -f $(OBJS) $(EXEC) 这样，用户如果有多个.cu文件，只需在SRCS中添加即可。同时，需要根据实际GPU架构调整-gencode参数。 可能还需要注意，如果.cu文件之间有依赖关系，比如包含头文件，可能需要添加依赖生成规则，但为了简化，暂时先不处理，用户可能需要自行处理。 最后，验证是否正确，比如运行make后生成可执行文件，没有链接错误。 可能的问题还有，是否每个.cu文件都需要单独编译，这里通过模式规则处理，每个.cu生成对应的.o，然后链接所有.o，应该是可行的。</think>### 如何用 Makefile 编译多个 CUDA (.cu) 文件？ #### 1. 基本 Makefile 结构 以下是一个支持编译多个 CUDA 文件的 Makefile 示例，包含编译、链接和清理功能： ```makefile # 定义编译器和源文件 NVCC = nvcc SRCS = main.cu kernel.cu utils.cu # 添加所有需要编译的 .cu 文件 OBJS = $(SRCS:.cu=.o) EXEC = cuda_demo # 编译选项（根据 GPU 架构修改） CFLAGS = -gencode arch=compute_61,code=sm_61 # 示例：NVIDIA Pascal 架构 LDFLAGS = -lcudart -L/usr/local/cuda/lib64 # 默认目标：生成可执行文件 $(EXEC): $(OBJS) $(NVCC) $(OBJS) -o $@ $(LDFLAGS) # 将 .cu 文件编译为 .o 文件 %.o: %.cu $(NVCC) -c $< -o $@ $(CFLAGS) # 清理生成的文件 clean: rm -f $(OBJS) $(EXEC) ``` #### 2. 关键步骤说明 1. **多文件编译**：通过模式规则 `%.o: %.cu`，将每个 `.cu` 文件独立编译为 `.o` 文件[^4] 2. **链接阶段**：将所有 `.o` 文件链接为可执行文件，需显式链接 CUDA 运行时库 `-lcudart`[^3] 3. **GPU 架构适配**：通过 `-gencode` 参数指定目标 GPU 的计算能力（如 `compute_61` 对应 NVIDIA GTX 10 系列） #### 3. 验证与执行 ```bash make # 编译 ./cuda_demo # 运行 make clean # 清理 ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

clever101

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值