C與CUDA混合編程配置

原文： http://blog.csdn.NET/u012234115/article/details/34860273

在做項目集成的時候需要用到cpp和cuda文件聯調，自己摸索了兩種方式實現cpp和cu文件混合編譯。

本文環境：

• windows7 64位
• VS2010
• CUDA5.5
• 英偉達顯卡Tesla C1060

前言

裝好CUDA 5.5 sdk後，默認會自動添加好系統環境變量。

因此不需要額外配置，不過爲了保險起見，可以選擇性地添加以下環境變量：

CUDA_BIN_PATH　　%CUDA_PATH%\bin
CUDA_LIB_PATH　　%CUDA_PATH%\lib\Win32
CUDA_SDK_BIN　　%CUDA_SDK_PATH%\bin\Win32
CUDA_SDK_LIB　　%CUDA_SDK_PATH%\common\lib\Win32
CUDA_SDK_PATH　　C:\cuda\cudasdk\common

這時可以打開CUDA自帶的sample運行一下，運行能通過纔可以繼續下面的內容————cpp和cuda聯調。

方法一：先建立cuda工程，再添加cpp文件

1.打開vs2010，新建一個cuda項目，名稱CudaCpp。

2.cuda默認建立的工程是如下，實現了兩個一維向量的並行相加。kernel函數和執行函數還有main函數全都寫在了一個cu文件裏。

3.接下來在工程裏添加一個空的cpp文件。將原來cu文件裏main函數裏的內容剪切到cpp文件main函數裏。

爲了讓cpp能夠調用cu文件裏面的函數，在addWithCuda函數前加上extern “C” 關鍵字  （注意C大寫，爲什麼addKernel不用加呢？因爲cpp裏面直接調用的是addWithCuda）

4.在cpp裏也要加上addWithCuda函數的完整前向聲明。下圖就是工程的完整結構

5.可以在cpp裏的main函數return之間加入getchar()防止運行後一閃就退出，加上system(“pause”)或者直接ctrl+F5也行。

運行結果：

下面貼出CudaCpp項目代碼。

kernel.cu

#include “cuda_runtime.h”
#include “device_launch_parameters.h”

#include <stdio.h>

__global__ void addKernel(int *c, const int *a, const int *b)
{
    int i = threadIdx.x;
    c[i] = a[i] + b[i];
}
// Helper function for using CUDA to add vectors in parallel.
extern “C”
cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size)
{
    int *dev_a = 0;
    int *dev_b = 0;
    int *dev_c = 0;
    cudaError_t cudaStatus;

    // Choose which GPU to run on, change this on a multi-GPU system.
    cudaStatus = cudaSetDevice(0);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaSetDevice failed!  Do you have a CUDA-capable GPU installed?”);
        goto Error;
    }

    // Allocate GPU buffers for three vectors (two input, one output)    .
    cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaMalloc failed!”);
        goto Error;
    }

    cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaMalloc failed!”);
        goto Error;
    }

    cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaMalloc failed!”);
        goto Error;
    }

    // Copy input vectors from host memory to GPU buffers.
    cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaMemcpy failed!”);
        goto Error;
    }

    cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaMemcpy failed!”);
        goto Error;
    }

    // Launch a kernel on the GPU with one thread for each element.
    addKernel<<<1, size>>>(dev_c, dev_a, dev_b);

    // Check for any errors launching the kernel
    cudaStatus = cudaGetLastError();
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “addKernel launch failed: %s\n”, cudaGetErrorString(cudaStatus));
        goto Error;
    }

    // cudaDeviceSynchronize waits for the kernel to finish, and returns
    // any errors encountered during the launch.
    cudaStatus = cudaDeviceSynchronize();
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaDeviceSynchronize returned error code %d after launching addKernel!\n”, cudaStatus);
        goto Error;
    }

    // Copy output vector from GPU buffer to host memory.
    cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaMemcpy failed!”);
        goto Error;
    }

Error:
    cudaFree(dev_c);
    cudaFree(dev_a);
    cudaFree(dev_b);

    return cudaStatus;
}

main.cpp

#include <stdio.h>
#include “cuda_runtime.h”
#include “device_launch_parameters.h”

extern “C”
    cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);
int main()
{
    const int arraySize = 5;
    const int a[arraySize] = { 1, 2, 3, 4, 5 };
    const int b[arraySize] = { 10, 20, 30, 40, 50 };
    int c[arraySize] = { 0 };

    // Add vectors in parallel.
    cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, ”addWithCuda failed!”);
        return 1;
    }

    printf(”{1,2,3,4,5} + {10,20,30,40,50} = {%d,%d,%d,%d,%d}\n”,
        c[0], c[1], c[2], c[3], c[4]);
    printf(”cuda工程中調用cpp成功！\n”);

    // cudaDeviceReset must be called before exiting in order for profiling and
    // tracing tools such as Nsight and Visual Profiler to show complete traces.
    cudaStatus = cudaDeviceReset();
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, ”cudaDeviceReset failed!”);
        return 1;
    }
    getchar(); //here we want the console to hold for a while
    return 0;
}

方法二：先建立cpp工程，再添加cu文件

方法一由於是cuda工程是自動建立的，所以比較簡單，不需要多少額外的配置。而在cpp工程裏面添加cu就要複雜一些。爲了簡單起見，這裏採用console程序講解，至於MFC或者Direct3D程序同理。

1.建立一個空的win32控制檯工程，名稱CppCuda。

2.然後右鍵工程–>添加一個cu文件

3.將方法一中cu和cpp文件的代碼分別拷貝到這個工程裏來（做了少許修改，extern “C”關鍵字和某些頭文件不要忘了加），工程結構如圖：

這個時候編譯是通不過的，需要作一些配置。

4.關鍵的一步，右鍵工程–>生成自定義 ，將對話框中CUDA5.5前面的勾打上。

這時點擊 工程–>屬性，會發現多了CUDA鏈接器這一項。

5.關鍵的一步，右鍵kernel.cu文件–>屬性，在 常規–>項類型 裏面選擇CUDA C/C++（由於cu文件是由nvcc編譯的，這裏要修改編譯鏈接屬性）

6.工程–>屬性–>鏈接器–>附加依賴項，加入cudart.lib

7.工具–>選項–>文本編輯器–>文件擴展名 添加cu \cuh兩個文件擴展名

8.至此配置成功。運行一下：

9.爲了更加確信cuda中的函數確實被調用，在main.cpp裏面調用cuda函數的地方加入了一個斷點。

單步執行一下。

可以看到程序跳到了cu文件裏去執行了，說明cpp調用cuda函數成功。

貼上代碼（其實跟方式一基本一樣，沒怎麼改），工程CppCuda

kernel.cu

#include “cuda_runtime.h”
#include “device_launch_parameters.h”

#include <stdio.h>

//cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);
__global__ void addKernel(int *c, const int *a, const int *b)
{
    int i = threadIdx.x;
    c[i] = a[i] + b[i];
}
// Helper function for using CUDA to add vectors in parallel.
extern “C”
cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size)
{
    int *dev_a = 0;
    int *dev_b = 0;
    int *dev_c = 0;
    cudaError_t cudaStatus;

    // Choose which GPU to run on, change this on a multi-GPU system.
    cudaStatus = cudaSetDevice(0);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaSetDevice failed!  Do you have a CUDA-capable GPU installed?”);
        goto Error;
    }

    // Allocate GPU buffers for three vectors (two input, one output)    .
    cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaMalloc failed!”);
        goto Error;
    }

    cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaMalloc failed!”);
        goto Error;
    }

    cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaMalloc failed!”);
        goto Error;
    }

    // Copy input vectors from host memory to GPU buffers.
    cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaMemcpy failed!”);
        goto Error;
    }

    cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaMemcpy failed!”);
        goto Error;
    }

    // Launch a kernel on the GPU with one thread for each element.
    addKernel<<<1, size>>>(dev_c, dev_a, dev_b);

    // Check for any errors launching the kernel
    cudaStatus = cudaGetLastError();
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “addKernel launch failed: %s\n”, cudaGetErrorString(cudaStatus));
        goto Error;
    }

    // cudaDeviceSynchronize waits for the kernel to finish, and returns
    // any errors encountered during the launch.
    cudaStatus = cudaDeviceSynchronize();
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaDeviceSynchronize returned error code %d after launching addKernel!\n”, cudaStatus);
        goto Error;
    }

    // Copy output vector from GPU buffer to host memory.
    cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, “cudaMemcpy failed!”);
        goto Error;
    }

Error:
    cudaFree(dev_c);
    cudaFree(dev_a);
    cudaFree(dev_b);

    return cudaStatus;
}

main.cpp

#include <iostream>
#include “cuda_runtime.h”
#include “device_launch_parameters.h”
using namespace std;

extern “C”
    cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);
int main(int argc,char **argv)
{
    const int arraySize = 5;
    const int a[arraySize] = { 1, 2, 3, 4, 5 };
    const int b[arraySize] = { 10, 20, 30, 40, 50 };
    int c[arraySize] = { 0 };

    // Add vectors in parallel.
    cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, ”addWithCuda failed!”);
        return 1;
    }

    cout<<”{1,2,3,4,5} + {10,20,30,40,50} = {“<<c[0]<<‘,’<<c[1]<<‘,’<<c[2]<<‘,’<<c[3]<<‘}’<<endl;
    printf(”cpp工程中調用cu成功！\n”);

    // cudaDeviceReset must be called before exiting in order for profiling and
    // tracing tools such as Nsight and Visual Profiler to show complete traces.
    cudaStatus = cudaDeviceReset();
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, ”cudaDeviceReset failed!”);
        return 1;
    }
    system(”pause”); //here we want the console to hold for a while
    return 0;
}

注意有時候編譯出問題，把  “device_launch_parameters.h” 這個頭文件去掉就好了（去掉之後就不能調裏面的函數或變量了），至於爲什麼，還不是很清楚。