visual studio C/C++空项目修改为CUDA c++

visual stuidio 创建的C/C++项目是不会识别出CUDA库中的某些标识符那些的，比如：编译器根本没有把标识符__global__当作 CUDA 代码来编译。nvcc 看到 global 是合法的存储类说明符，而 MSVC 的 cl.exe 或 g++ 看到它就是一个未定义的标识符。因此我们需要将cuda代码文件使用".cu"格式，而不是".cpp"。这样，在编译到".cu"格式文件时cuda编译器才能识别出里面的代码为cuda代码。我们可以通过在".cu"格式文件内编写代码实现，通过".h"或者".hpp"格式头文件来声明".cu"格式文件里实现的函数，这样在别处include该头文件时既可以使用".cu"格式文件内的函数实现。

下面是将visual studio C/C++空项目修改为CUDA c++的方法，主要有2种方式

一种方式是使用vs的界面来图形化操作；另一种是参考已有的cuda库提供的测试例程，按照文件".vcxproj"里面的来修改为支持cuda代码的编译。

不管使用哪种方式，都应该先准备好cuda库（最好配置在系统上，并在环境变量上也配置好，不然需要将生成的exe拷贝到与cuda库一起才能调用）以及配置上cuda相关的：包含目录、库目录、附加依赖项。

cuda配置见：参考这里

比如我的：

包含目录：

..\3rdparty\CUDA11.8+CUDNN8.9.6+tensorRT8.6.1.6\include

库目录：

..\3rdparty\CUDA11.8+CUDNN8.9.6+tensorRT8.6.1.6\lib

..\3rdparty\CUDA11.8+CUDNN8.9.6+tensorRT8.6.1.6\lib\x64

附加依赖项：

cudnn.lib

cublas.lib

cudart.lib

若编译出现报错/utf-8 编码错误还可以在：c/c++ ---》命令行 ---》其它选项中输入"/utf-8 "保存即可。

准备好cuda库后进行二选一配置：

一、方式一：使用vs的界面来图形化操作

1、按照上述提到的，配置好包含目录、库目录、附加依赖项；

2、右击项目--》属性--》生成依赖项 --》生成自定义--》勾选上你对应的cuda

3、将项目属性中的平台工具集修改为与你使用的cuda库所需要的一致

否则编译时可能会报以下错误：

error MSB4019: 找不到导入的项目"C:\Program Files\Microsoft Visual Studio\2022\Community\MSBuild\Microsoft\VC\v150\BuildCustomizations\CUDA 11.8.targets"

4、在项目中，右击".cu"文件---》属性

修改为：

5、有时会看到cu文件中的代码有些仍然标有红色报错，但是不需要理会。

如：

实际上代码已经能够正确编译，只是索引有问题而已。

二、参考已有的cuda库提供的测试例程，按照文件".vcxproj"里面的来修改为支持cuda代码的编译

主要修改以下几点：

1、同样的：按照上述提到的，配置好包含目录、库目录、附加依赖项；

2、在项ItemGroup中添加（或将原来的ClInclude修改为CudaCompile ）

<ItemGroup>

<ClInclude Include="test.cu" />

</ItemGroup>

修改为

<ItemGroup>

<CudaCompile Include="test.cu" />

</ItemGroup>

表明当前的"test.cu"文件是使用cuda编译，而不是c/c++的编译。其它的cpp、hpp保持为使用"ClInclude "。

这里其实就是对应方法一图形界面操作中的"右击项目--》属性--》生成依赖项 --》生成自定义--》勾选上你对应的cuda"。

3、在项ImportGroup 中添加

<ImportGroup Label="ExtensionTargets">

<Import Project="$(VCTargetsPath)\BuildCustomizations\CUDA 11.8.targets" />

</ImportGroup>

这里其实就是对应方法一图形界面操作中的"在项目中，右击".cu"文件---》属性"。

最后，提供一个可测试cuda的程序，保存时需要格式为".cu"而不是".cpp"：

cpp 复制代码

#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];
}

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]);

    // 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;
    }

    return 0;
}

// Helper function for using CUDA to add vectors in parallel.
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;
}