前段时间因为要做图像的一些并行计算，于是下载了cuda10.1、openCV3.4并且在Visual Studio2017进行配置具体如下：
1环境
-
操作系统：
-
VS 2017
-
GPU
2首先下载并安装Visual Studio2017
微软官方下载地址
选择与自己电脑系统对应的版本即可
2其次下载并安装Cuda10.1
英伟达官方下载地址
选择与自己电脑系统和显卡驱动对应的版本即可
3设置环境变量
安装完cuda10.1以后在 系统属性->高级->环境变量->系统变量 中会出现
CUDA_PATH C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
CUDA_PATH_V10_1 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
如下所示
（1）在环境变量中再添加下面五个变量
- CUDA_BIN_PATH %CUDA_PATH%\bin
- CUDA_LIB_PATH %CUDA_PATH%\lib\x64
- CUDA_SDK_BIN_PATH %CUDA_SDK_PATH%\bin\win64
- CUDA_SDK_LIB_PATH %CUDA_SDK_PATH%\common\lib\x64
-
CUDA_SDK_PATH C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
其中CUDA_SDK_PATH 根据自己的安装路径添加即可
添加完成后可以用cmd命令查看，具体操作如下：
按住win+r键出现命令窗口，然后输入set cuda命令，出现以下内容则设置成功
cmd.png
（2）检查cuda的安装成功与否
在文件安装路径下找到deviceQuery.exe,bandwidthTest.exe这两个程序，我的默认安装路径为：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite
在此处打开DOS命令窗口，具体操作为按住shift右键单击，然后选择在此处打开命令窗口。
输入deviceQuery.exe命令，出现下图，并且Reslut=Pass。
输入bandwidthTest.exe,出现下图，并且Reslut=Pass。
能够出现上面两图，则表明的你的cuda安装成功。
4 配置VS2017
（1）打开vs2017新建一个Visual C++ 空项目,取名test
（2）右击“源文件”->添加->新建项->NVIDIA CUDA 10.1->Code->CUDA C/C++ File 取名cuda_test
(3)选择cuda_test右击，右键->生成依赖项->生成自定义
勾选CUDA10.1(.targets,.props)项，然后确定
（4）点击cuda_test.cu的属性，在常规中项类型改为CUDA C/C++，然后应用确定
5项目配置
Debug ×64配置
（1）包含目录配置
- 项目->属性->配置属性->VC++目录->包含目录 添加包含目录：$(CUDA_PATH)\include
- 项目->属性->配置属性->VC++目录->库目录 添加库目录：$(CUDA_PATH)\lib\x64
（2）CUDA Toolkit Dir 配置
- 项目->属性->配置属性->CUDA C/C++->CUDA Tookit Custom Dir 指定CUDA Toolkit 路径为：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
（3）附加依赖项
- 项目->属性->配置属性->连接器->输入->附加依赖项 添加：
cublas.lib cuda.lib cudadevrt.lib cudart.lib cudart_static.lib OpenCL.lib
6测试程序
（1）程序
// CUDA runtime 库 + CUBLAS 库
#include "cuda_runtime.h"
#include "cublas_v2.h"
#include <time.h>
#include <iostream>
using namespace std;
// 定义测试矩阵的维度
int const M = 5;
int const N = 10;
int main()
{
// 定义状态变量
cublasStatus_t status;
// 在 内存 中为将要计算的矩阵开辟空间
float *h_A = (float*)malloc (N*M*sizeof(float));
float *h_B = (float*)malloc (N*M*sizeof(float));
// 在 内存 中为将要存放运算结果的矩阵开辟空间
float *h_C = (float*)malloc (M*M*sizeof(float));
// 为待运算矩阵的元素赋予 0-10 范围内的随机数
for (int i=0; i<N*M; i++) {
h_A[i] = (float)(rand()%10+1);
h_B[i] = (float)(rand()%10+1);
}
// 打印待测试的矩阵
cout << "矩阵 A :" << endl;
for (int i=0; i<N*M; i++){
cout << h_A[i] << " ";
if ((i+1)%N == 0) cout << endl;
}
cout << endl;
cout << "矩阵 B :" << endl;
for (int i=0; i<N*M; i++){
cout << h_B[i] << " ";
if ((i+1)%M == 0) cout << endl;
}
cout << endl;
/*
** GPU 计算矩阵相乘
*/
// 创建并初始化 CUBLAS 库对象
cublasHandle_t handle;
status = cublasCreate(&handle);
if (status != CUBLAS_STATUS_SUCCESS)
{
if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
cout << "CUBLAS 对象实例化出错" << endl;
}
getchar ();
return EXIT_FAILURE;
}
float *d_A, *d_B, *d_C;
// 在 显存 中为将要计算的矩阵开辟空间
cudaMalloc (
(void**)&d_A, // 指向开辟的空间的指针
N*M * sizeof(float) // 需要开辟空间的字节数
);
cudaMalloc (
(void**)&d_B,
N*M * sizeof(float)
);
// 在 显存 中为将要存放运算结果的矩阵开辟空间
cudaMalloc (
(void**)&d_C,
M*M * sizeof(float)
);
// 将矩阵数据传递进 显存 中已经开辟好了的空间
cublasSetVector (
N*M, // 要存入显存的元素个数
sizeof(float), // 每个元素大小
h_A, // 主机端起始地址
1, // 连续元素之间的存储间隔
d_A, // GPU 端起始地址
1 // 连续元素之间的存储间隔
);
cublasSetVector (
N*M,
sizeof(float),
h_B,
1,
d_B,
1
);
// 同步函数
cudaThreadSynchronize();
// 传递进矩阵相乘函数中的参数，具体含义请参考函数手册。
float a=1; float b=0;
// 矩阵相乘。该函数必然将数组解析成列优先数组
cublasSgemm (
handle, // blas 库对象
CUBLAS_OP_T, // 矩阵 A 属性参数
CUBLAS_OP_T, // 矩阵 B 属性参数
M, // A, C 的行数
M, // B, C 的列数
N, // A 的列数和 B 的行数
&a, // 运算式的 α 值
d_A, // A 在显存中的地址
N, // lda
d_B, // B 在显存中的地址
M, // ldb
&b, // 运算式的 β 值
d_C, // C 在显存中的地址(结果矩阵)
M // ldc
);
// 同步函数
cudaThreadSynchronize();
// 从 显存 中取出运算结果至 内存中去
cublasGetVector (
M*M, // 要取出元素的个数
sizeof(float), // 每个元素大小
d_C, // GPU 端起始地址
1, // 连续元素之间的存储间隔
h_C, // 主机端起始地址
1 // 连续元素之间的存储间隔
);
// 打印运算结果
cout << "计算结果的转置 ( (A*B)的转置 )：" << endl;
for (int i=0;i<M*M; i++){
cout << h_C[i] << " ";
if ((i+1)%M == 0) cout << endl;
}
// 清理掉使用过的内存
free (h_A);
free (h_B);
free (h_C);
cudaFree (d_A);
cudaFree (d_B);
cudaFree (d_C);
// 释放 CUBLAS 库对象
cublasDestroy (handle);
getchar();
return 0;
}
（2）结果
生成结果为下图则显示cuda配置成功
（3）可能出现问题
- 错误代码为MSB372,则说明配置管理器错了，应该选择×64位Debug
-
找不到cublas64_10.dll
添加cublas64_10.dll目录，具体为
项目->属性->配置属性->调试->环境 环境改为:path=.dll文件的路径
例path=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
7OpenCV下载与安装
我的下载为：OpenCV-3.4.6 下载链接选择Windows,会下载一个可执行程序，该程序会爸预编译好的OpenCV解压到电脑上，预编译版本支持不同版本的VisualStudio环境。
解压过程如下所示：
解压生成的文件如下所示：
8配置环境变量
-
找到用户变量中的PATH,将解压的opencv文件夹中的**opencv\opencv3.4\opencv\build\x64\vc15\bin路径添加到PATH中。
- bin目录下面的opencv_world346.dll和opencv_world346d.dll文件复制到C:\Windows\SysWOW64这个文件夹里面即可
9配置VS2017
- 新建Window控制台应用程序
- 进入属性管理器，菜单栏->视图->其他窗口->属性管理器
-对Debug|X64进行配置，右键Microsoft.Cpp.x64.user，点击属性 - 属性中的 VC++目录->包含目录 添加：
D:\opencv\opencv3.4\opencv\build\include
D:\opencv\opencv3.4\opencv\build\include\opencv
D:\opencv\opencv3.4\opencv\build\include\opencv2 - 属性中的 VC++目录->库目录 添加：
D:\opencv\opencv3.4\opencv\build\x64\vc15\lib - 属性中的链接器->输入->附加依赖项 添加
opencv_world346d.lib
10测试opencv
代码
#include "pch.h"
#include <iostream>
#include<opencv2/opencv.hpp>
int main()
{
cv::Mat img = cv::imread("E:/opencvdata/0724.bmp", -1);//读取照片
if (img.empty())return -1;
cv::namedWindow("Test", cv::WINDOW_AUTOSIZE);
cv::imshow("Test", img);//显示照片
cv::waitKey(0);
cv::destroyWindow("Test");
}
结果：
以上在VS2017中就配置好了OpenCV
