CUDA编程（一）安装

最新推荐文章于 2025-04-20 21:39:59 发布

柯西的笔

最新推荐文章于 2025-04-20 21:39:59 发布

阅读量845

点赞数

分类专栏： c++ 文章标签： linux python java 大数据 tensorflow

本文链接：https://blog.youkuaiyun.com/weixin_41202834/article/details/127046274

版权

c++ 专栏收录该内容

4 篇文章

订阅专栏

前言

什么是CPU
CPU 由数百万个晶体管组成，可以有多个处理内核，通常被称为计算机的大脑。它是所有现代计算系统必不可少的组成部分，因为它执行计算机和操作系统所需的命令和流程。在确定程序运行速度方面（从网页浏览到构建电子表格），CPU 也很重要。
什么是GPU
GPU 是由许多更小、更专业的内核组成的处理器。在多个内核之间划分并执行一项处理任务时，通过协同工作，这些内核可以提供强大的性能。
我们为什么要使用GPU
在AI兴起的时代，科学计算往往涉及非常高维度的矩阵计算，基于CPU的串行计算难以满足其性能要求，因此基于GPU的并行计算应运而生。显然，并行计算要求同时处理很多的数据，这就要求硬件有很多核。因此，在相同的价格和功率范围内，比CPU提供更高的指令吞吐量和内存带宽。

安装

1. 安装环境

win10

vs2019

cuda11.1

2. 打开VS新建空项目

在源文件中创建CUDA的.cu文件。其中当CUDA安装完成后就会出现相应的CUDA区域。（如果该区域没有可以参考https://blog.youkuaiyun.com/weixin_39591031/article/details/124462430）

3. 配置环境

在VC++目录---包含目录中添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\include

在VC++目录---库目录中添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64

在连接器---输入---附加依赖项中添加lib，将文件夹C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64中的所有.lib都加入。

项目右键---生成依赖项---生成自定义---勾选相应的CUDA(如果碰到自定义中没有cuda的解决办法https://blog.youkuaiyun.com/a7_aaaaa/article/details/122470988）

.cu文件右键---属性---配置属性---常规---项类型---CUDA C/C++

工具---选项---文本编辑器---文件扩展名---添加cu,和cuh

工具---选项---VC++项目设置添加---.cu.cuh

测试是否安装成功

测试代码

#include<iostream>
using namespace std;
#include"cuda_runtime.h"
#include<cudnn.h>
#include<cuda.h>
#include<device_functions.h>


int main()
{
  int dev = 0;
  cudaDeviceProp devProp;
  cudaGetDeviceProperties(&devProp, dev);
  std::cout << "使用GPU device " << dev << ": " << devProp.name << std::endl;


  cout << "柯西的笔" << endl;
  return 0;
}

如果没有报错正常输出显卡类型即安装成功了。后面的文章将陆续由简到难讲解cuda编程。