CUDA动态库封装以及调用

最新推荐文章于 2025-06-05 11:54:14 发布

原创最新推荐文章于 2025-06-05 11:54:14 发布 · 9.2k 阅读

24 ·

CC 4.0 BY-SA版权

文章标签：

#动态库 #CUDA

本文介绍如何使用VS2015和CUDA8.0封装CUDA动态库，并提供了一个向量加法的示例。此外，还展示了如何在控制台应用程序中调用该动态库。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考：http://blog.sina.com.cn/s/blog_618941f701016d26.html

通过将CUDA相关计算操作放在库中，方便在项目中调用，省去了每次编译cu文件的麻烦，也便于集成到其他平台上。

本文配置：VS2015 CUDA8.0

一、封装CUDA动态库

主要步骤：修改自定义方式、设置cu文件项类型为CDUA CC++ ，添加依赖库cudart.lib.

1、创建一个动态库，这里建的库是x86的，也可以更改为x64.

2、添加cu文件

3、源程序内容

CudaDll32.h

// 下列 ifdef 块是创建使从 DLL 导出更简单的
// 宏的标准方法。此 DLL 中的所有文件都是用命令行上定义的 CUDADLL32_EXPORTS
// 符号编译的。在使用此 DLL 的
// 任何其他项目上不应定义此符号。这样，源文件中包含此文件的任何其他项目都会将
// CUDADLL32_API 函数视为是从 DLL 导入的，而此 DLL 则将用此宏定义的
// 符号视为是被导出的。
#ifdef CUDADLL32_EXPORTS
#define CUDADLL32_API __declspec(dllexport)
#else
#define CUDADLL32_API __declspec(dllimport)
#endif

extern "C" CUDADLL32_API int vectorAdd(int c[], int a[], int b[], int size);

kernel.cu

#include "cuda_runtime.h"  
#include "device_launch_parameters.h"    
#include "CudaDll32.h"


//CUDA核函数  
__global__ void addKernel(int *c, const int *a, const int *b)
{
	int i = threadIdx.x;
	c[i] = a[i] + b[i];
}


//向量相加  
CUDADLL32_API int vectorAdd(int c[], int a[], int b[], int size)
{
	int result = -1;
	int *dev_a = 0;
	int *dev_b = 0;
	int *dev_c = 0;
	cudaError_t cudaStatus;

	// 选择用于运行的GPU  
	cudaStatus = cudaSetDevice(0);
	if (cudaStatus != cudaSuccess) {
		result = 1;
		goto Error;
	}

	// 在GPU中为变量dev_a、dev_b、dev_c分配内存空间.  
	cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));
	if (cudaStatus != cudaSuccess) {
		result = 2;
		goto Error;
	}
	cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));
	if (cudaStatus != cudaSuccess) {
		result = 3;
		goto Error;
	}
	cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));
	if (cudaStatus != cudaSuccess) {
		result = 4;
		goto Error;
	}

	// 从主机内存复制数据到GPU内存中.  
	cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);
	if (cudaStatus != cudaSuccess) {
		result = 5;
		goto Error;
	}
	cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);
	if (cudaStatus != cudaSuccess) {
		result = 6;
		goto Error;
	}

	// 启动GPU内核函数  
	addKernel << <1, size >> >(dev_c, dev_a, dev_b);

	// 采用cudaDeviceSynchronize等待GPU内核函数执行完成并且返回遇到的任何错误信息  
	cudaStatus = cudaDeviceSynchronize();
	if (cudaStatus != cudaSuccess) {
		result = 7
		goto Error
	}

	// 从GPU内存中复制数据到主机内存中  
	cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);
	if (cudaStatus != cudaSuccess) {
		result = 8;
		goto Error;
	}

	result = 0;

	// 重置CUDA设备，在退出之前必须调用cudaDeviceReset  
	cudaStatus = cudaDeviceReset();
	if (cudaStatus != cudaSuccess) {
		return 9;
	}
Error:
	//释放设备中变量所占内存  
	cudaFree(dev_c);
	cudaFree(dev_a);
	cudaFree(dev_b);

	return result;
}

4、修改项目的自定义方式为：CUDA8.0

5、修改cu文件的项类型

6、添加链接器的附加依赖项 cudart.lib

7、生成DLL文件

二、调用动态库

创建一个控制台工程，调用库三步骤：

调用源代码：包含头文件、并把dll文件拷贝到可行性目录下

// CallCudaDll32.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include "CudaDll32.h"
int main()
{
	const int arraySize = 5;
	int a[arraySize] = { 11, 22, 33, 44, 55 };
	int b[arraySize] = { 10, 20, 30, 40, 50 };
	int c[arraySize] = { 0 };

	// Add vectors in parallel.  
	int number = vectorAdd(c, a, b, arraySize);
	printf("{11,22,33,44,55} + {10,20,30,40,50} = {%d,%d,%d,%d,%d}\n",
		c[0], c[1], c[2], c[3], c[4]);
	printf("调用CUDA成功！\n");
	return 0;
}

结果显示：