目前版本的cuda是很方便的，它的一个安装里面包括了Toolkit`SDK`document`Nsight等等，而不用你自己去挨个安装，这样也避免了版本的不同步问题。

1 cuda5.5的下载地址，官方网站即可：

   　　https://developer.nvidia.com/cuda-downloads 
  在里面选择你所对应的电脑版本即可。

2 VS2010这个没什么说的了，网上各种的免费资源，下载一个不需要钱的就行。

3 Cuda的安装：（win7版32bit）

 安装cuda

　　3.1 cuda的安装文件

　　

　　直接双击exe文件，弹出后，首先会监测一下你的运行环境，如果找不到Nividia对应的显卡设备，他会提示你是否要继续安装。这里面nvidia的显卡，最起码也是8800以上的，要不是无法编写CUDA的。千万不要电脑上面是intel或者AMD的显卡，却要编写cuda，除非你有钱买一个cuda-x86这个编译器。

　　3.2 弹出的对话框直接OK就行，这个是CUDA的一些安装文件，无所谓的：



 

　　3.3 他会监测你的电脑是否支持cuda的搭建，等待就行



　　3.4 系统检查



　　3.5 选择同意并继续



　　3.6 推荐先选择自定义安装



　　3.7 最主要的是cuda document\cuda Toolkit \cuda samples(SDK),Nsight\图形驱动程序，3D如果需要的话安装，不安装也无所谓。这里主要就是能看见都有什么，免得漏掉了，博主当初就因为选了精简安装，没安装上SDK。

　　

　　3.7 安装的位置，推荐自己建三个好找的文件夹，不用他默认的路径，免得稍后配置环境变量麻烦。



博主的安装路径为：



　　3.8 下一步安装就行了。

至此，cuda的安装就搞定了。

 

4 接下来配置cuda的环境变量，默认安装好后，他会自动帮你设置好2个环境变量，但是最好还自己添加下其他的几个，方便日后配置vs使用



 

上面的两个环境变量是cuda默认配置的，接下来添加


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



 

添加完就行了

 

 

5 接下来是cuda的安装成功与否的监测了，这个步骤我们用到两个东西，这两个东西，都是cuda为我们准备好的。

deviceQuery.exe 和 bandwithTest.exe

　　首先启动cmd DOS命令窗口（博主的cuda安装到c:\cuda文件夹下）

　　默认进来的是c:\users\Admistrator\>路径，输入 cd .. 两次，来到c:目录下

　　输入dir 找到安装的cuda文件夹



进入Release文件夹后，直接执行bandwithTest.exe



再执行deviceQuery.exe





得到以上信息，因为我的显卡比较古老9300属于第一代的cuda显卡了。Rsult=PASS及说明，都通过了。如果Rsult=Fail 那不好意思，重新安装吧（或者是您的显卡真心不给力）。

 关于VS项目测试（推荐）

打开VS，新建项目



利用安装好的cuda向导，直接建立工程，里面会自动有一段kernel累加的代码

 View
 Code



在main函数return之前加入getchar()，停止自动退出，以便观测效果



进入后，点击运行按钮，可能发生LINK错误（如果没有错误，跳过此段）



这时进入-》项目-》属性-》通用配置-》输入和输出-》嵌入清单 ---- 修改成否，原来可能为“是”





再次编译，成功运行后，会显示下面的结果



 

恭喜，cuda已经在您的机器上安装成功了。

 

如果是新手，推荐这样新建工程后，在里面修改代码成为自己的工程，配置属性不会出错。

如果想要自己手动配置也可以参考下面的例子。

 

 

 

手动配置VS项目（不推荐）

最后就是VS的配置了（这个是自己手动配置的，有时候容易出现问题，不是很推荐，建议用上面的方法建立项目进行测试）

　　5.1 启动VS2010

　　5.2 新建一个win32的控制台工程，空的。





　　5.3 右键源文件文件夹->新建项->选择cuda c/c++->新建一个以.cu结尾的文件



　　5.4 右键工程-》生成自定义-》选择cuda生成



　　5.5 右键test.cu-》属性-》选择cuda c/c++编译器



　　5.6 右键工程-》属性-》链接器-》常规-》附加库目录-》添加目录 $(CUDA_PATH_V5_5)\lib\$(Platform);



　　5.7 在链接器-》输入中添加 cudart.lib



 

　　5.8 在工具-》选项-》文本编辑器-》文件扩展名-》添加cu \cuh两个文件扩展名



 

至此，编译环境的相关搭建就完成了。

 

 

 

下面提供了一段test.cu的代码，供测试使用：

 


 1 #include <stdio.h>
 2 #include <stdlib.h>
 3 #include <cuda_runtime.h> 
 4 
 5 #define DATA_SIZE 1024
 6 #define checkCudaErrors(err)  __checkCudaErrors (err, __FILE__, __LINE__)
 7 #define getLastCudaError(msg)  __getLastCudaError (msg, __FILE__, __LINE__)
 8 
 9 int data[DATA_SIZE];
10 
11 ////
12 // These are CUDA Helper functions
13 
14 // This will output the proper CUDA error strings in the event that a CUDA host call returns an error
15 
16 
17 inline void __checkCudaErrors(cudaError err, const char *file, const int line )
18 {
19     if(cudaSuccess != err)
20     {
21         fprintf(stderr, "%s(%i) : CUDA Runtime API error %d: %s.\n",file, line, (int)err, cudaGetErrorString( err ) );
22         return ;        
23     }
24 }
25 
26 // This will output the proper error string when calling cudaGetLastError
27 
28 
29 inline void __getLastCudaError(const char *errorMessage, const char *file, const int line )
30 {
31     cudaError_t err = cudaGetLastError();
32     if (cudaSuccess != err)
33     {
34         fprintf(stderr, "%s(%i) : getLastCudaError() CUDA error : %s : (%d) %s.\n",
35         file, line, errorMessage, (int)err, cudaGetErrorString( err ) );
36         return ;
37     }
38 }
39 
40 // end of CUDA Helper Functions
41 
42 __global__ static void sumOfSquares(int *num, int * result){
43     int sum=0;
44     int i;
45     for(i=0;i<DATA_SIZE;i++) {
46         sum += num[i]*num[i];
47         }
48     *result = sum;
49 }
50 void GenerateNumbers(int *number, int size){
51     for(int i = 0; i < size; i++) {
52         number[i] = rand() % 10;
53         printf("number[%d] is %d\n",i,number[i]);
54     }}
55     
56 int main(){
57 
58         cudaSetDevice(0);
59         cudaDeviceSynchronize();
60         cudaThreadSynchronize();
61 
62         GenerateNumbers(data, DATA_SIZE);
63 
64         int * gpudata, * result;
65         int sum;
66 
67         checkCudaErrors( cudaMalloc((void**) &gpudata, sizeof(int)*DATA_SIZE));
68         checkCudaErrors(cudaMalloc((void**) &result, sizeof(int)));
69         checkCudaErrors(cudaMemcpy(gpudata, data, sizeof(int)*DATA_SIZE,cudaMemcpyHostToDevice));
70 
71         sumOfSquares<<<1, 1, 0>>>(gpudata, result);
72 
73         checkCudaErrors(cudaMemcpy(&sum, result, sizeof(int), cudaMemcpyDeviceToHost));
74 
75         cudaFree(gpudata);
76         cudaFree(result);
77 
78         printf("-----------sum: %d\n",sum);
79 
80         sum = 0;
81         for(int i = 0; i < DATA_SIZE; i++) {
82             sum += data[i] * data[i];
83         }
84         printf("sum (CPU): %d\n", sum);
85 
86         getchar();
87         return 0;
88 }
























前言
　　本文讲解如何在VS 2010开发平台中搭建CUDA开发环境
　　当前配置：
　　　　系统：WIN7 64位
　　　　开发平台：VS 2010
　　　　显卡：英伟达G卡
　　　　CUDA版本：6.0
　　若配置不一样，请勿参阅本文。
第一步
　　点击这里下载 cuda最新版，目前最高版本是6.0。下载完毕后得到 cuda_6.0.37_winvista_win7_win8.1_general_64.exe 文件。
第二步
　　运行安装程序，弹出安装过程中转文件路径设定框：
　　
　　这个路径随便填无所谓，安装完后就会自动删除的，我就直接设置为默认的。
第三步
　　等待系统帮你检测当前平台是否适合搭建CUDA：
　　
第四步
　　检测完毕后，正式进入CUDA安装界面：
　　
　　同意并继续
第五步
　　然后选择安装模式：
　　
　　为了完全安装所有功能，选择自定义模式安装。
第六步
　　接下来勾选要安装的组件：
　　
　　全部勾上
第七步
　　接下来要设置三个安装路径：
　　
　　这三个路径安装的是什么在日后的文章中将会解释，目前先不理会，直接安装到默认路径。点击下一步之后开始正式安装。
第八步
　　安装完毕后，可以看到系统中多了CUDA_PATH和CUDA_PATH_V6_0两个环境变量，接下来，还要在系统中添加以下几个环境变量：
　　CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0
　　CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
　　CUDA_BIN_PATH = %CUDA_PATH%\bin
　　CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\x64
　　CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
　　然后，在系统变量 PATH 的末尾添加：
　　;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
第九步
　　重新启动计算机以使环境变量生效
第十步
　　打开VS2010并建立一个空的win32控制台项目：
　　
　　附加选项那里请把“空项目”打钩：
　　
第十一步
　　右键源文件 -> 添加 -> 新建项 如下图所示：
　　
　　在打开的对话框中选择新建一个CUDA格式的源文件 (如果你只是要调用 CUDA 库编写程序而不需要自行调用核函数分配块，线程的话也可以就建立 .cpp 的源文件)：
　　
第十二步
　　右键工程 -> 生成自定义 如下图所示：
　　
　　在弹出的对话框中勾选“CUDA 6.0 *****"选项：
　　
第十三步
　　右键项目 -> 属性 -> 配置属性 -> VC++目录，添加以下两个包含目录：
　　C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.0\include
　　C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0\common\inc
　　再添加以下两个库目录：
　　C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.0\lib\x64
　　C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0\common\lib\x64
第十四步
　　右键项目 -> 属性 -> 配置属性 ->连接器 -> 常规 -> 附加库目录，添加以下目录：
　　$(CUDA_PATH_V6_0)\lib\$(Platform)
　　如下图所示：
　　
第十五步
　　右键项目 -> 属性 -> 配置属性 ->连接器 -> 输入 -> 附加依赖项，添加以下库：
　　cublas.lib
　　cublas_device.lib
　　cuda.lib
　　cudadevrt.lib
　　cudart.lib
　　cudart_static.lib
　　cufft.lib
　　cufftw.lib
　　curand.lib
　　cusparse.lib
　　nppc.lib
　　nppi.lib
　　npps.lib
　　nvblas.lib (32位系统请勿附加此库!)
　　nvcuvenc.lib
　　nvcuvid.lib
　　OpenCL.lib
　　如下图所示：
　　
第十六步
　　右键项目 -> 属性，如下图所示：
　　
　　将项类型设置为 CUDA C/C++：
　　
第十七步
　　打开配置管理器，如下图所示：
　　
　　点击 新建，如下图所示：
　　
　　选择 X64 平台：
　　
好了，至此平台已经完全搭建完毕，可用以下代码进行测试：
  1 // CUDA runtime 库 + CUBLAS 库 
  2 #include "cuda_runtime.h"
  3 #include "cublas_v2.h"
  4 
  5 #include <time.h>
  6 #include <iostream>
  7 
  8 using namespace std;
  9 
 10 // 定义测试矩阵的维度
 11 int const M = 5;
 12 int const N = 10;
 13 
 14 int main() 
 15 {   
 16     // 定义状态变量
 17     cublasStatus_t status;
 18 
 19     // 在 内存 中为将要计算的矩阵开辟空间
 20     float *h_A = (float*)malloc (N*M*sizeof(float));
 21     float *h_B = (float*)malloc (N*M*sizeof(float));
 22     
 23     // 在 内存 中为将要存放运算结果的矩阵开辟空间
 24     float *h_C = (float*)malloc (M*M*sizeof(float));
 25 
 26     // 为待运算矩阵的元素赋予 0-10 范围内的随机数
 27     for (int i=0; i<N*M; i++) {
 28         h_A[i] = (float)(rand()%10+1);
 29         h_B[i] = (float)(rand()%10+1);
 30     
 31     }
 32     
 33     // 打印待测试的矩阵
 34     cout << "矩阵 A :" << endl;
 35     for (int i=0; i<N*M; i++){
 36         cout << h_A[i] << " ";
 37         if ((i+1)%N == 0) cout << endl;
 38     }
 39     cout << endl;
 40     cout << "矩阵 B :" << endl;
 41     for (int i=0; i<N*M; i++){
 42         cout << h_B[i] << " ";
 43         if ((i+1)%M == 0) cout << endl;
 44     }
 45     cout << endl;
 46     
 47     /*
 48     ** GPU 计算矩阵相乘
 49     */
 50 
 51     // 创建并初始化 CUBLAS 库对象
 52     cublasHandle_t handle;
 53     status = cublasCreate(&handle);
 54     
 55     if (status != CUBLAS_STATUS_SUCCESS)
 56     {
 57         if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
 58             cout << "CUBLAS 对象实例化出错" << endl;
 59         }
 60         getchar ();
 61         return EXIT_FAILURE;
 62     }
 63 
 64     float *d_A, *d_B, *d_C;
 65     // 在 显存 中为将要计算的矩阵开辟空间
 66     cudaMalloc (
 67         (void**)&d_A,    // 指向开辟的空间的指针
 68         N*M * sizeof(float)    //　需要开辟空间的字节数
 69     );
 70     cudaMalloc (
 71         (void**)&d_B,    
 72         N*M * sizeof(float)    
 73     );
 74 
 75     // 在 显存 中为将要存放运算结果的矩阵开辟空间
 76     cudaMalloc (
 77         (void**)&d_C,
 78         M*M * sizeof(float)    
 79     );
 80 
 81     // 将矩阵数据传递进 显存 中已经开辟好了的空间
 82     cublasSetVector (
 83         N*M,    // 要存入显存的元素个数
 84         sizeof(float),    // 每个元素大小
 85         h_A,    // 主机端起始地址
 86         1,    // 连续元素之间的存储间隔
 87         d_A,    // GPU 端起始地址
 88         1    // 连续元素之间的存储间隔
 89     );
 90     cublasSetVector (
 91         N*M, 
 92         sizeof(float), 
 93         h_B, 
 94         1, 
 95         d_B, 
 96         1
 97     );
 98 
 99     // 同步函数
100     cudaThreadSynchronize();
101 
102     // 传递进矩阵相乘函数中的参数，具体含义请参考函数手册。
103     float a=1; float b=0;
104     // 矩阵相乘。该函数必然将数组解析成列优先数组
105     cublasSgemm (
106         handle,    // blas 库对象 
107         CUBLAS_OP_T,    // 矩阵 A 属性参数
108         CUBLAS_OP_T,    // 矩阵 B 属性参数
109         M,    // A, C 的行数 
110         M,    // B, C 的列数
111         N,    // A 的列数和 B 的行数
112         &a,    // 运算式的 α 值
113         d_A,    // A 在显存中的地址
114         N,    // lda
115         d_B,    // B 在显存中的地址
116         M,    // ldb
117         &b,    // 运算式的 β 值
118         d_C,    // C 在显存中的地址(结果矩阵)
119         M    // ldc
120     );
121     
122     // 同步函数
123     cudaThreadSynchronize();
124 
125     // 从 显存 中取出运算结果至 内存中去
126     cublasGetVector (
127         M*M,    //  要取出元素的个数
128         sizeof(float),    // 每个元素大小
129         d_C,    // GPU 端起始地址
130         1,    // 连续元素之间的存储间隔
131         h_C,    // 主机端起始地址
132         1    // 连续元素之间的存储间隔
133     );
134     
135     // 打印运算结果
136     cout << "计算结果的转置 ( (A*B)的转置 )：" << endl;
137 
138     for (int i=0;i<M*M; i++){
139             cout << h_C[i] << " ";
140             if ((i+1)%M == 0) cout << endl;
141     }
142     
143     // 清理掉使用过的内存
144     free (h_A);
145     free (h_B);
146     free (h_C);
147     cudaFree (d_A);
148     cudaFree (d_B);
149     cudaFree (d_C);
150 
151     // 释放 CUBLAS 库对象
152     cublasDestroy (handle);
153 
154     getchar();
155     
156     return 0;
157 }
运行结果
　　
　　PS: 矩阵元素是随机生成的

CUDA的安装和环境配置

第一步，首先查看自己的电脑是不是英伟达显卡的，不是的话就装不了！

第二，电脑上要有visual studio,没有的话，可以登录Csdn—https://msdn.itellyou.cn/这个网址上面下一个，

具体下载那个看自己的需求（建议下个2010版本的）



第三就是下载cuda了：进这个网址https://developer.nvidia.com/cuda-downloads



点击遗产版本：



里面选择你需要的版本，Window的建议下载5.5的，widows10的建议下载9.0的



点击下载，等待几分钟。
下载完成后直接点击安装，安装过程要注意：



这个安装路径不用搭理，



这个是安装的具体路径，不用修改，因为修改后，等会安装完成，配置环境变量就很烦，



接着就看到这个界面，也不用动，点击下一步



这个是检查系统兼容性的，一般下载版本对的话，都兼容，





这步很关键，要点击高级安装，如果点击精简模式安装的话，到时候SDK会安装不成功，



这步，检查下组件那里有没有相应的组件，cuda toolkit SDK 等



安装位置默认

安装完成后

第三步：



进到这个页面，点击高级系统设置



点击环境变量



里面会看到多了两个系统变量，现在安装成功一半了。接下来，在环境变量那里新建5个

系统变量。如下；

CUDA_BIN_PATH　　%CUDA_PATH%\bin

CUDA_LIB_PATH　　%CUDA_PATH%\lib\Win64

CUDA_SDK_BIN　　%CUDA_SDK_PATH%\bin\Win64

CUDA_SDK_LIB　　%CUDA_SDK_PATH%\common\lib\Win64

CUDA_SDK_PATH　　C:\cuda\cudasdk\common

第四步打开Vs，能看到CUDA9.0证明已经成功：


第五步，尝试建一个简单的cuda项目：



点击确认，然后随便找段代码，放进去，点击运行，



这里补充一下，该代码虽然没错但是会出现如下的警告，解决方式，点击文件——项目——另存为——保存方式——

编码保存——utf_8保存：





无警告提示；

整个过程很简单，希望你能学会！

opencv和cuda的安装配置
工具准备
安装配置
安装cuda
安装opencv
测试和使用

工具准备
 第一组： opencv3.4.5和cuda10.1，win7环境；
 第二组： opencv3.4.5和cuda9.2，win10环境；
 下面主要使用第一组配置

安装配置
安装cuda
1、解压并开始安装cuda



2、安装过程



安装过程中可能会出现驱动兼容性警告。此时可以选择继续安装，只要你的cuda版本能够兼容（高于）Nvidia GPU的cuda版本，可能不会出问题；如果下一步出现驱动安装错误，可以选择更换cuda版本，如选择第二组工具中的cuda9.2来安装，可以解决问题。



可以选择custom或者自定义模式安装。自定义模式可以选择只安装cuda，或者加上其他的模块。

3、测试安装完成


安装opencv
opencv3.4.5需要编译安装



1、配置好source和build目录后，先点击configure，完成后搜索找到WITH_CUDA选项并勾选，再点击configure，最后检查看是否需要配置的模块都已勾选。

2、点击generate，配置generator，使用当前VS版本，use default native compilers，生成opencv工程。

3、open project，编译opencv工程（debug和release版本），生成在build目录中。如E:\opencv\build\lib、E:\opencv\build\include等。注意，cuda头文件（如cudaarithm.hpp）可能不在include目录中，需要从source目录中拷贝过来。
测试和使用
以后的博文中针对使用案例来做说明

由于学习需要在自己的电脑上面安装了Ubuntu16.04系统然后需要进行CUDA的安装. 

首先需要有Anaconda环境,这里就不过多介绍这个的安装了. 

我这里使用的是anaconda2,我的安装路径是/home/username/anaconda2/ 

首先你需要给本机的英伟达显卡安装好相应的驱动, 

然后你需要从英伟达的官网下载cuda8.0的安装包, 

官网提供两种格式的安装包, 

第一种是.run格式的,下载好之后直接运行.run文件就可以了 

第二种是.deb格式的,安装步骤如下:



sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

如果在安装过程中出现gcc版本过高的问题,请对gcc进行降级操作: 

这里使用 4.9版本的gcc



sudo apt-get install  gcc-4.9
sudo apt-get install  g++-4.9

链接gcc



sudo rm gcc

sudo ln -s gcc-4.9 gcc

sudo rm g++

sudo ln -s g++-4.9 g++

cuda 安装完成之后还需要进行环境变量的配置: 

在用户文件或者profile中添加如下内容:



export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

然后运行



nvcc -V

出现类似于下方的提示说明安装成功:



nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2015 NVIDIA Corporation
Built on Tue_Aug_11_14:27:32_CDT_2015
Cuda compilation tools, release 7.5, V7.5.17