CUDA8.0+VS2015+Win10開發環境搭建教程

2021-03-06 3D視覺工坊

視覺IMAX的第38篇原創文章

前言

本文參考了網絡上的其他文檔,在此不一一致謝了,前輩們的經驗都是強大的指明燈。根據實踐中的具體情況,進行了勘誤和修正,僅供新手借鑑,至於高手們可以略過了。參考文章地址:http://www.cnblogs.com/yueqiuchen/p/6641998.html

一 安裝VS2015

在「視覺IMAX」公眾號後臺回復「VS2015」,即可獲得VS2015安裝包(包括破解秘鑰),以及編程助手(VA助手)。

關於VS2015的安裝過程,此處不必多說,可自行查看本公眾號之前的相關文章。


二 安裝cuda8.0

「視覺IMAX」公眾號後臺回復「cuda8.0」,即可獲得cuda_8.0.61_win10的安裝包連結。

安裝包下載完成後,咱們開始進行cuda的安裝。

默認安裝路徑,並記住cuda安裝程序的路徑。

之後,按照默認安裝即可。

 

三 檢測cuda是否安裝成功

在上述流程進行後,接下來我們需要檢測cuda是否安裝成功,方法如下:

進入cmd(我用的是管理員),輸入nvcc –V,此處需要注意的是:中間是有空格的,之後按回車鍵。

如果沒有上圖中的顯示,則重裝cuda吧。

四 運行示例demo來進一步檢測cuda安裝的正確性

找到C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\1_Utilities\deviceQuery目錄下的deviceQuery_vs2015.sln,點擊編譯運行,結果會顯示你的顯卡信息。如下圖所示。

如果運行成功了,則說明cuda8.0在你的win10電腦上安裝成功了。

我們可以再運行一個例程:C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\3_Imaging\boxFilter\boxFilter_vs2015.sln(注意:此處根據你的VS版本來選擇.sln工程),效果圖如下。

五 新建一個VS2015工程,運行cuda程序

按常規方式,新建一個win32控制臺程序,新建一個main.cpp源文件。

右鍵點擊工程——>「生成依賴項」——>「生成自定義」(選擇cuda生成)。

右鍵點擊工程——>屬性——>連結器——>輸入——>附加依賴項(在其中添加cudart.lib);

然後在剛才新建的main.cpp中輸入下述語句:

#include <iostream>

#include<stdio.h>

#include "cuda_runtime.h"

#include "device_launch_parameters.h"

bool InitCUDA()

{

    int count;

    cudaGetDeviceCount(&count);

    if (count == 0)

    {

        fprintf(stderr, "There is no device.\n");

        return false;

    }

    int i;

    for (i = 0; i < count; i++)

    {

        cudaDeviceProp prop;

        if (cudaGetDeviceProperties(&prop, i) == cudaSuccess)

        {

            if (prop.major >= 1)

            {

                break;

            }

        }

    }

    if (i == count)

    {

        fprintf(stderr, "There is no device supporting CUDA 1.x.\n");

        return false;

    }

    cudaSetDevice(i);

    return true;

}

int main()

{

    if (!InitCUDA())

    {

        return 0;

    }

    printf("HelloWorld, CUDA has been initialized.\n");

    system("pause");

    return 0;

}

編譯並且運行,效果圖如下。

一個簡單的hello world示例程序就可以運行了。

至此,cuda8.0已經成功安裝在win10 x64電腦上,並且可以在VS2015下運行了。

六 跋

以上是我這個小菜鳥根據網上的示例教程實操的一些簡單筆記,如有不到之處,還請留言批評指教。

上述內容,如有侵犯版權,請聯繫作者,會自行刪文。

薦讀

再談「相機標定」

那些你所不知道的文獻下載網址經驗總結

那些精貴的「機器視覺」學習資料總結

回復關鍵詞——知識星球,可前往星球

相關焦點

  • Python3.7源碼在windows(VS2015)下的編譯和安裝
    Python3.7源碼在windows(VS2015)下的編譯和安裝下載官方源碼,使用vs2015(WIN10SDK),最python3.7.0的源碼進行編譯,編譯出不同的版本(release,debug),並配置python的運行環境(環境變量的配置)。
  • 深度學習筆記15:ubuntu16.04 下深度學習開發環境搭建與配置
    深度學習筆記6:神經網絡優化算法之從SGD到Adam深度學習筆記7:Tensorflow入門深度學習筆記8:利用Tensorflow搭建神經網絡深度學習筆記9:卷積神經網絡(CNN)入門深度學習筆記10:三維卷積、池化與全連接深度學習筆記11:利用numpy搭建一個卷積神經網絡
  • 深度學習環境搭建詳細教程
    開發環境 platform作業系統 OSWindows 7Windows 10Ubuntu 18.04環境搭建結構圖實戰順序 orderAnaconda3Jupyter官網:https://developer.nvidia.com/cuda-10.0-download-archive?
  • 在PyCharm中搭建深度學習環境
    在PyCharm中搭建深度學習環境,深度學習在當下最為受歡迎,非常適合學生黨在閒暇時刻作為自己的興趣來好好學習一下,下面,我把深度學習搭建環境步驟簡要的說明一下
  • 用cmake搭建環境來編譯一個CUDA程序
    【IT168 文檔】一、簡介  在Windows平臺下,用cmake來搭建環境環境,在VS2005下運行CUDA程序。其實,在Windows下,在CUDA2.3的SDK裡,有一個Cuda.Rules的文件。通過這個文件,在VS2005裡可以很方便的設置各個編譯參數。
  • 【SparkR編程系列教程】之一【如何搭建SparkR的開發環境】
    為了方便大家學習「數據科學及大數據技術」,中國人民大學朝樂門老師啟動了一項公益活動——SparkR 編程系列教程,將從以下4大方面系統講解SparkR編程知識與實戰經驗,敬請期待。(1)如何搭建SparkR開發開發環境;(2)SparkR編程基礎知識講解(3)SparkR實例代碼詳解(4)基於SparkR的數據科學實戰。
  • 【長篇博文】Docker學習筆記與深度學習環境的搭建和部署(二)
    歡迎關注我的csdn:原始碼殺手我的CSDN上一篇文章:Docker學習筆記與深度學習環境的搭建和部署(一)https://blog.csdn.net/weixin_41194129/article/details/113823982【長篇博文】Docker學習筆記與深度學習環境的搭建和部署
  • 深度學習環境搭建
    如果要學習如何在Linux作業系統中下載和安裝CUDA9.0、cudnn7.3、tensorflow_gpu1.10,請瀏覽本文作者的另外一篇文章《在谷歌雲伺服器上搭建深度學習平臺》,連結:https://www.jianshu.com/p/893d622d1b5a《在谷歌雲伺服器上搭建深度學習平臺》這篇文章中有部分內容是如何建立和連接雲虛擬機,這部分內容對於擁有Linux主機的讀者是無用的
  • 腦科學方向|Python3的安裝與環境搭建
    本節來學習python3的安裝與環境搭建。考慮到大部分人的需求與原有經驗,之後的學習都會以 windows 10(64位) 作業系統為系統平臺,而不是Ubuntu 16等linux系統。對於基礎篇,實際上python各版本的差異無須考慮,然而,如果後續到了學習如tensorflow\pytorch 框架裡 nvdia cuda 的顯卡gpu模型訓練時,對python版本這類基礎開發環境的更換就幾乎沒有容忍度。或許會提出疑問,假如兩個會產生不兼容的python版本或第三方庫都需要怎麼辦呢?
  • 系統性學習CUDA編程的推薦資料
    而GPU面對的則是類型高度統一的、相互無依賴的大規模數據和不需要被打斷的純淨的計算環境。對C++工程師或者程式設計師人群簡單入門介紹CUDA編程。https://developer.nvidia.com/blog/even-easier-introduction-cuda/針對初學者,對統一內存的說明。
  • Mac版最詳細的Flutter開發環境搭建
    ,官網的搭建教程只是按步驟讓你進行操作,中間出現的問題完全沒有提及,對我這種沒搞過原生開發的小白來說超級不友好。而網上很多相關博客教程,感覺不夠詳細,許多環境搭建過程中的坑確實是提到了,但解決的辦法寫的比較籠統,在此我將本次環境搭建鎖遇到的各種奇奇怪怪的問題一一匯總,爭取結合各路大神的博客加上自己實際遇到的問題整理出一篇超級實用且詳細的教程,讓童鞋們在學習flutter的路上少走彎路,讓你的起跑順暢起來,大神們請指正或忽略。系統環境要求Flutter是相對新出的框架,對系統有一定的要求。
  • CUDA之CUDA編程模型概述(一)
    編程模型就是告訴我們如何寫CUDA程序,如果做過C開發的同學或者其他開發的同學都知道做個完整的項目不只是寫代碼,還有需求分析,調試,優化,部署等一些列步驟。CUDA平臺也提供了著一些列的工具供我們使用,我們這一章主要就是講解這些工具怎麼用,如何編寫調試CUDA程序。以及編寫兩個矩陣運算有關的CUDA應用,以供大家把玩。
  • PHP/Laravel 本地開發環境搭建:Windows 篇
    聲明:本系列教程主體基於 Mac 環境,但是為了照顧使用 Windows 的同學,我也會基於 Windows 環境搭建開發環境進行代碼驗證。
  • VS2015(Xamarin)開發安卓WebApp筆記
    有關WebApp的開發,大多數人都用了第三方框架,如Cordova等。
  • 搭建並熟悉Python開發環境
    我們需要做的準備工作就是:一顆好奇的心;一臺能上網的電腦;        嗯,就這些,帶著好奇心開啟你的編程之旅吧。0.6.1什麼是開發環境        我第一次接觸程式語言的時候其實什麼都不懂,確切地說,那時候是在電視上看到的《C語言教學》課程,正好那節課講的是用「*」在屏幕上排列出一個五角星。
  • React Native開發基礎入門之搭建開發環境
    這篇文檔會幫助你搭建基本的 React Native 開發環境。如果你已經搭好了環境,那麼可以嘗試一下編寫 Hello World。完整原生環境Follow these instructions if you need to build native code in your project.
  • C/C++編程筆記:VScode搭建C和C++環境的圖文教程
    前言前兩天有小夥伴問起來如何用VScode搭建C語言的環境,正好我之前也想過用VScode搭建C++的環境(個人感覺VC6
  • Numba:用CUDA加速的高性能Python編譯器
    這種靈活性可以幫助你生成更可重用的代碼,並允許你在沒有GPU的機器上開發。與其他CUDA語言一樣,我們通過插入在括號內一個「執行配置」(CUDA-speak用於線程數和線程塊啟動內核),在函數名和參數列表之間中: mandel_kernel[griddim, blockdim](-2.0, 1.0, -1.0, 1.0, d_image, 20)。你還可以看到使用to_host和to_device API函數來從GPU中複製數據。
  • 推薦幾個不錯的CUDA入門教程(非廣告)
    對於CUDA編程以及它所需要的GPU、計算機組成、作業系統等基礎知識,我基本上都忘光了,因此也翻了不少教程。這裡簡單整理一下,給同樣有入門需求的同學們參考一下。❞官方文檔及書籍英文好、時間充裕的同學可以精讀官方文檔或者著作。