首先去官网下载cudnn+CUDA10.0

设置环境变量：使用cmd到路径打开例子VS2017配置： 安装过程（按照默认安装即可）

设置环境变量：

安装结束后，我们在计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V9_0两个环境变量。

我们还需要在环境变量中添加如下几个变量：

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0 CUDA_LIB_PATH = %CUDA_PATH%\lib\x64 CUDA_BIN_PATH = %CUDA_PATH%\bin CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64 CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

使用cmd到路径打开例子

下一步是监测cuda安装成功与否:

在cuda安装文件夹中有deviceQuery.exe 和 bandwidthTest.exe两个程序。首先启动cmd DOS命令窗口，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。

分别输入deviceQuery.exe 和 bandwidthTest.exe，运行结果如图所示。Rsult=PASS则说明通过，反之，Rsult=Fail 则需要重新安装。

VS2017配置：

1.打开vs2017，我们可以观察到，在VS2017模板一栏下方出现了“NVIDIA/CUDA 10.0”。创建一个空win32程序,即cuda_test项目。 2，源文件>> 添加>>新建项（cuda_test）;设置成release，x64(其他方式类似) 视图>>其他窗口>>属性管理器>> Release | 64 >> Microsoft.Cpp.x64.user

a) 通用属性>>VC++ 目录>>包含目录: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include b)通用属性>>VC++ 目录>>库目录: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64 c)链接器–>输入–>附加依赖项 将 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64 里面所有以.lib结束的文件都添加 可以cmd进入以上路径 用DIR *.lib /B > 1.txt ,复制粘贴即可。

// 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 cudaDeviceSynchronize(); // 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 cudaDeviceSynchronize(); // 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; }

运行，出现以下结果即为成功

下载对应版本的cudnn,将bin、include、lib三个文件夹覆盖粘贴至CUDA安装目录即可