来自GPU的Hello World

2024-07-11 05:50| 来源: 网络整理| 查看: 265

序

CPU和GPU 当代计算机的两个核心，GPU计算与CPU计算的结合，使得原本的计算性能得到大幅度的提高，两者功能的互补性使得CPU+GPU的异构并行计算得到快速发展。为了支持使用CPU+GPU异构架构来执行应用程序，核厂设计了被称为CUDA的一种通用并行计算平台和编程模型。 CUDA Toolkit官方下载传送门！

操作系统版本：Win10Visual Studio版本：Visual Studio 2019CUDA版本：CUDA Toolkit 11.0 RC 1、CUDA的安装 1.1、查看电脑显卡支持的CUDA的版本:

NVIDIA 控制面板–> 帮助–> 系统信息–> 组件：查看CUDA支持的版本

1.2、安装成功后查看nvcc的安装版本

nvcc版本

1.3、配置环境变量 CUDA_PATH: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0 CUDA_PATH_V11_0: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

上述两项是安装完成Cuda后，已自动生成的环境变量的配置，我们需要自行添加的下述变量：

CUDA_BIN_PATH: %CUDA_PATH%\bin CUDA_LIB_PATH: %CUDA_PATH%\lib\x64 CUDA_SDK_PATH: C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0 CUDA_SDK_BIN_PATH: %CUDA_SDK_PATH%\bin\win64 CUDA_SDK_LIB_PATH: %CUDA_SDK_PATH%\common\lib\x64

并在系统变量Path中，添加一下四个信息：

%CUDA_BIN_PATH% %CUDA_LIB_PATH% %CUDA_SDK_BIN_PATH% %CUDA_SDK_LIB_PATH% 1.4、安装验证

验证安装是否成功，在官方的guideline中关于deviceQuery sample program指明的路径是： C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64\Release 但是实际验证中，该程序的路径在： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\demo_suite 执行deviceQuery.exe 和 bandwidthTest.exe进行验证。两次的运行结果都是PASS，则有关系统的环境配置就完成了。接下来运行安装Cuda之后的测试用例，测试用例所在路径根据你安装Cuda的路径，如：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0…

2、VS2019 配置CUDA工程(默认已安装VS，安装VS部分不再赘述)

本部分将运行0_Simple\路径下的测试用例simplePrintf，需先打开工程后，在VS中完善相关配置。

2.1、增加.cu文件拓展名

2.1.1、工具–>选项–>文本编辑器–>文件拓展名, 新增扩展名 .cu 并将编辑器设置为：Microsoft Visual C++。配置1 2.1.2、工具–>选项–>项目和解决方案–>VC++项目设置，添加要包括的扩展名".cu"。配置-2

2.2、配置生成依赖项

2.2.1、配置生成自定义：右键打开的项目–>生成依赖项–>生成自定义–>勾选CUDA v11.0。配置-3 2.2.2、配置.cu文件的配置属性：右键点击.cu文件–>将该类型文件的属性设置为 CUDA c/c++。配置-4 2.2.3、运行测试用例。VS会调用nvcc编译器，编译.cu代码。配置-5

OK，基本环境我们搭建成功了，接下来就来试试如何使用GPU来say Hello World!吧。

3、GPU编程测试demo

使用VS新建空项目即可，并按上述步骤2.2配置项目。

#include "stdio.h" /* 修饰符__global__表明这个函数是将会从CPU中调用，在GPU中进行执行。并借此函数来启动内核函数。 */ __global__ void hello_world_from_gpu(void) { printf("Hello World from GPU\n"); return; } int main(void) { printf("Hello World from CPU\n"); hello_world_from_gpu (); /* 三重尖括号里的参数表明的是相关的执行配置，用来表明使用多少线程来执行内核函数，在本例子中有5个GPU线程被系统所调用。 */ cudaDeviceReset(); /* 执行完成后调用cudaDeviceReset()函数释放和清空与当前进程运行相关的资源。 */ return 0; }

测试结果：参考书籍： 1、《CUDA C权威编程指南》 2、CUDA Installation Guide for Microsoft Windows 参考博文： 1、 Win10 系统在 Visual Studio 2019 环境下配置 CUDA 10.1 + TensorFlow-GPU 1.14.0 2、 vs2017 配置cuda 项目

【本文地址】

公司简介

联系我们