VS里面关于.cpp文件与.cu文件混合编译问题—不要在.cpp文件声明核函数(__device__()和global__())

VS里面关于.cpp文件与.cu文件混合编译问题—不要在.cpp文件声明核函数(__device__()和global__())原文出处:点击打开链接#############################################################不要在.cpp文件声明核函数,否则会报错,具体可以

原文出处:点击打开链接

#############################################################

不要在.cpp文件声明核函数,否则会报错,具体可以参考下面两个链接:

VS里面关于.cpp文件与.cu文件混合编译问题—不要在.cpp文件声明核函数(__device__()和global__())

https://stackoverflow.com/questions/16550031/cuda-device-and-global-error-expected-constructor-destructor-or-type

############################################################

在做项目集成的时候需要用到cpp和cuda文件联调,自己摸索了两种方式实现cpp和cu文件混合编译。

本文环境:

  • windows7 64位
  • VS2010
  • CUDA5.5
  • 英伟达显卡Tesla C1060

前言

装好CUDA 5.5 sdk后,默认会自动添加好系统环境变量。

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())


因此不需要额外配置,不过为了保险起见,可以选择性地添加以下环境变量:

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

这时可以打开CUDA自带的sample运行一下,运行能通过才可以继续下面的内容————cpp和cuda联调。

方法一:先建立cuda工程,再添加cpp文件

1.打开vs2010,新建一个cuda项目,名称CudaCpp。

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

2.cuda默认建立的工程是如下,实现了两个一维向量的并行相加。kernel函数和执行函数还有main函数全都写在了一个cu文件里。

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

3.接下来在工程里添加一个空的cpp文件。将原来cu文件里main函数里的内容剪切到cpp文件main函数里。

为了让cpp能够调用cu文件里面的函数,在addWithCuda函数前加上extern “C” 关键字  (注意C大写,为什么addKernel不用加呢?因为cpp里面直接调用的是addWithCuda)

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

4.在cpp里也要加上addWithCuda函数的完整前向声明。下图就是工程的完整结构

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

5.可以在cpp里的main函数return之间加入getchar()防止运行后一闪就退出,加上system(“pause”)或者直接ctrl+F5也行。

运行结果:

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

下面贴出CudaCpp项目代码。

kernel.cu

[plain]  view plain   copy

  print ?

  1. #include “cuda_runtime.h”  
  2. #include “device_launch_parameters.h”  
  3.   
  4. #include <stdio.h>  
  5.   
  6. __global__ void addKernel(int *c, const int *a, const int *b)  
  7. {  
  8.     int i = threadIdx.x;  
  9.     c[i] = a[i] + b[i];  
  10. }  
  11. // Helper function for using CUDA to add vectors in parallel.  
  12. extern “C”  
  13. cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size)  
  14. {  
  15.     int *dev_a = 0;  
  16.     int *dev_b = 0;  
  17.     int *dev_c = 0;  
  18.     cudaError_t cudaStatus;  
  19.   
  20.     // Choose which GPU to run on, change this on a multi-GPU system.  
  21.     cudaStatus = cudaSetDevice(0);  
  22.     if (cudaStatus != cudaSuccess) {  
  23.         fprintf(stderr, “cudaSetDevice failed!  Do you have a CUDA-capable GPU installed?”);  
  24.         goto Error;  
  25.     }  
  26.   
  27.     // Allocate GPU buffers for three vectors (two input, one output)    .  
  28.     cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));  
  29.     if (cudaStatus != cudaSuccess) {  
  30.         fprintf(stderr, “cudaMalloc failed!”);  
  31.         goto Error;  
  32.     }  
  33.   
  34.     cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));  
  35.     if (cudaStatus != cudaSuccess) {  
  36.         fprintf(stderr, “cudaMalloc failed!”);  
  37.         goto Error;  
  38.     }  
  39.   
  40.     cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));  
  41.     if (cudaStatus != cudaSuccess) {  
  42.         fprintf(stderr, “cudaMalloc failed!”);  
  43.         goto Error;  
  44.     }  
  45.   
  46.     // Copy input vectors from host memory to GPU buffers.  
  47.     cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);  
  48.     if (cudaStatus != cudaSuccess) {  
  49.         fprintf(stderr, “cudaMemcpy failed!”);  
  50.         goto Error;  
  51.     }  
  52.   
  53.     cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);  
  54.     if (cudaStatus != cudaSuccess) {  
  55.         fprintf(stderr, “cudaMemcpy failed!”);  
  56.         goto Error;  
  57.     }  
  58.   
  59.     // Launch a kernel on the GPU with one thread for each element.  
  60.     addKernel<<<1, size>>>(dev_c, dev_a, dev_b);  
  61.   
  62.     // Check for any errors launching the kernel  
  63.     cudaStatus = cudaGetLastError();  
  64.     if (cudaStatus != cudaSuccess) {  
  65.         fprintf(stderr, “addKernel launch failed: %s\n”, cudaGetErrorString(cudaStatus));  
  66.         goto Error;  
  67.     }  
  68.       
  69.     // cudaDeviceSynchronize waits for the kernel to finish, and returns  
  70.     // any errors encountered during the launch.  
  71.     cudaStatus = cudaDeviceSynchronize();  
  72.     if (cudaStatus != cudaSuccess) {  
  73.         fprintf(stderr, “cudaDeviceSynchronize returned error code %d after launching addKernel!\n”, cudaStatus);  
  74.         goto Error;  
  75.     }  
  76.   
  77.     // Copy output vector from GPU buffer to host memory.  
  78.     cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);  
  79.     if (cudaStatus != cudaSuccess) {  
  80.         fprintf(stderr, “cudaMemcpy failed!”);  
  81.         goto Error;  
  82.     }  
  83.   
  84. Error:  
  85.     cudaFree(dev_c);  
  86.     cudaFree(dev_a);  
  87.     cudaFree(dev_b);  
  88.       
  89.     return cudaStatus;  
  90. }  

main.cpp

[cpp]  view plain   copy

  print ?

  1. #include <stdio.h>  
  2. #include “cuda_runtime.h”  
  3. #include “device_launch_parameters.h”  
  4.   
  5. extern “C”  
  6.     cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);  
  7. int main()  
  8. {  
  9.     const int arraySize = 5;  
  10.     const int a[arraySize] = { 1, 2, 3, 4, 5 };  
  11.     const int b[arraySize] = { 10, 20, 30, 40, 50 };  
  12.     int c[arraySize] = { 0 };  
  13.   
  14.     // Add vectors in parallel.  
  15.     cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize);  
  16.     if (cudaStatus != cudaSuccess) {  
  17.         fprintf(stderr, “addWithCuda failed!”);  
  18.         return 1;  
  19.     }  
  20.   
  21.     printf(“{1,2,3,4,5} + {10,20,30,40,50} = {%d,%d,%d,%d,%d}\n”,  
  22.         c[0], c[1], c[2], c[3], c[4]);  
  23.     printf(“cuda工程中调用cpp成功!\n”);  
  24.   
  25.     // cudaDeviceReset must be called before exiting in order for profiling and  
  26.     // tracing tools such as Nsight and Visual Profiler to show complete traces.  
  27.     cudaStatus = cudaDeviceReset();  
  28.     if (cudaStatus != cudaSuccess) {  
  29.         fprintf(stderr, “cudaDeviceReset failed!”);  
  30.         return 1;  
  31.     }  
  32.     getchar(); //here we want the console to hold for a while  
  33.     return 0;  
  34. }  


方法二:先建立cpp工程,再添加cu文件

方法一由于是cuda工程是自动建立的,所以比较简单,不需要多少额外的配置。而在cpp工程里面添加cu就要复杂一些。为了简单起见,这里采用console程序讲解,至于MFC或者Direct3D程序同理。

1.建立一个空的win32控制台工程,名称CppCuda。

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

2.然后右键工程–>添加一个cu文件

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

3.将方法一中cu和cpp文件的代码分别拷贝到这个工程里来(做了少许修改,extern “C”关键字和某些头文件不要忘了加),工程结构如图:

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

这个时候编译是通不过的,需要作一些配置。

4.关键的一步,右键工程–>生成自定义 ,将对话框中CUDA5.5前面的勾打上。

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

这时点击 工程–>属性,会发现多了CUDA链接器这一项。

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

5.关键的一步,右键kernel.cu文件–>属性,在 常规–>项类型 里面选择CUDA C/C++(由于cu文件是由nvcc编译的,这里要修改编译链接属性)

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

6.工程–>属性–>链接器–>附加依赖项,加入cudart.lib

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

7.工具–>选项–>文本编辑器–>文件扩展名 添加cu \cuh两个文件扩展名


VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())


8.至此配置成功。运行一下:

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

9.为了更加确信cuda中的函数确实被调用,在main.cpp里面调用cuda函数的地方加入了一个断点。

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

单步执行一下。

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

可以看到程序跳到了cu文件里去执行了,说明cpp调用cuda函数成功。

VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

贴上代码(其实跟方式一基本一样,没怎么改),工程CppCuda

kernel.cu

[plain]  view plain   copy

  print ?

  1. #include “cuda_runtime.h”  
  2. #include “device_launch_parameters.h”  
  3.   
  4. #include <stdio.h>  
  5.   
  6. //cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);  
  7. __global__ void addKernel(int *c, const int *a, const int *b)  
  8. {  
  9.     int i = threadIdx.x;  
  10.     c[i] = a[i] + b[i];  
  11. }  
  12. // Helper function for using CUDA to add vectors in parallel.  
  13. extern “C”  
  14. cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size)  
  15. {  
  16.     int *dev_a = 0;  
  17.     int *dev_b = 0;  
  18.     int *dev_c = 0;  
  19.     cudaError_t cudaStatus;  
  20.   
  21.     // Choose which GPU to run on, change this on a multi-GPU system.  
  22.     cudaStatus = cudaSetDevice(0);  
  23.     if (cudaStatus != cudaSuccess) {  
  24.         fprintf(stderr, “cudaSetDevice failed!  Do you have a CUDA-capable GPU installed?”);  
  25.         goto Error;  
  26.     }  
  27.   
  28.     // Allocate GPU buffers for three vectors (two input, one output)    .  
  29.     cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));  
  30.     if (cudaStatus != cudaSuccess) {  
  31.         fprintf(stderr, “cudaMalloc failed!”);  
  32.         goto Error;  
  33.     }  
  34.   
  35.     cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));  
  36.     if (cudaStatus != cudaSuccess) {  
  37.         fprintf(stderr, “cudaMalloc failed!”);  
  38.         goto Error;  
  39.     }  
  40.   
  41.     cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));  
  42.     if (cudaStatus != cudaSuccess) {  
  43.         fprintf(stderr, “cudaMalloc failed!”);  
  44.         goto Error;  
  45.     }  
  46.   
  47.     // Copy input vectors from host memory to GPU buffers.  
  48.     cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);  
  49.     if (cudaStatus != cudaSuccess) {  
  50.         fprintf(stderr, “cudaMemcpy failed!”);  
  51.         goto Error;  
  52.     }  
  53.   
  54.     cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);  
  55.     if (cudaStatus != cudaSuccess) {  
  56.         fprintf(stderr, “cudaMemcpy failed!”);  
  57.         goto Error;  
  58.     }  
  59.   
  60.     // Launch a kernel on the GPU with one thread for each element.  
  61.     addKernel<<<1, size>>>(dev_c, dev_a, dev_b);  
  62.   
  63.     // Check for any errors launching the kernel  
  64.     cudaStatus = cudaGetLastError();  
  65.     if (cudaStatus != cudaSuccess) {  
  66.         fprintf(stderr, “addKernel launch failed: %s\n”, cudaGetErrorString(cudaStatus));  
  67.         goto Error;  
  68.     }  
  69.       
  70.     // cudaDeviceSynchronize waits for the kernel to finish, and returns  
  71.     // any errors encountered during the launch.  
  72.     cudaStatus = cudaDeviceSynchronize();  
  73.     if (cudaStatus != cudaSuccess) {  
  74.         fprintf(stderr, “cudaDeviceSynchronize returned error code %d after launching addKernel!\n”, cudaStatus);  
  75.         goto Error;  
  76.     }  
  77.   
  78.     // Copy output vector from GPU buffer to host memory.  
  79.     cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);  
  80.     if (cudaStatus != cudaSuccess) {  
  81.         fprintf(stderr, “cudaMemcpy failed!”);  
  82.         goto Error;  
  83.     }  
  84.   
  85. Error:  
  86.     cudaFree(dev_c);  
  87.     cudaFree(dev_a);  
  88.     cudaFree(dev_b);  
  89.       
  90.     return cudaStatus;  
  91. }  

main.cpp

[cpp]  view plain   copy

  print ?

  1. #include <iostream>  
  2. #include “cuda_runtime.h”  
  3. #include “device_launch_parameters.h”  
  4. using namespace std;  
  5.   
  6. extern “C”  
  7.     cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);  
  8. int main(int argc,char **argv)  
  9. {  
  10.     const int arraySize = 5;  
  11.     const int a[arraySize] = { 1, 2, 3, 4, 5 };  
  12.     const int b[arraySize] = { 10, 20, 30, 40, 50 };  
  13.     int c[arraySize] = { 0 };  
  14.   
  15.     // Add vectors in parallel.  
  16.     cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize);  
  17.     if (cudaStatus != cudaSuccess) {  
  18.         fprintf(stderr, “addWithCuda failed!”);  
  19.         return 1;  
  20.     }  
  21.   
  22.     cout<<“{1,2,3,4,5} + {10,20,30,40,50} = {“<<c[0]<<‘,’<<c[1]<<‘,’<<c[2]<<‘,’<<c[3]<<‘}’<<endl;  
  23.     printf(“cpp工程中调用cu成功!\n”);  
  24.   
  25.     // cudaDeviceReset must be called before exiting in order for profiling and  
  26.     // tracing tools such as Nsight and Visual Profiler to show complete traces.  
  27.     cudaStatus = cudaDeviceReset();  
  28.     if (cudaStatus != cudaSuccess) {  
  29.         fprintf(stderr, “cudaDeviceReset failed!”);  
  30.         return 1;  
  31.     }  
  32.     system(“pause”); //here we want the console to hold for a while  
  33.     return 0;  
  34. }  

注意有时候编译出问题,把  
“device_launch_parameters.h” 
这个头文件去掉就好了(去掉之后就不能调里面的函数或变量了),至于为什么,还不是很清楚。



以后将cu文件加入到任何MFC,qt,D3D或者OpenGL等C++工程中步骤都是类似的。

今天的文章VS里面关于.cpp文件与.cu文件混合编译问题—不要在.cpp文件声明核函数(__device__()和global__())分享到此就结束了,感谢您的阅读。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/88799.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注