基于GPU的CUDA应用开发环境构架

邓 力，陈晓翔，林嘉宇

(国防科学技术大学电子科学与工程学院，长沙 410073)

1 引言

从1999年NVIDIA公司最早提出图形处理单元GPU到现在，GPU的应用已经不再局限于3D图形处理了，并已经演变成为了一个具有强大浮点数编程和计算能力的处理器，以满足人们进行大规模科学计算的要求。事实也证明，GPU在浮点运算、并行计算等计算方面，可以提供数十倍乃至于上百倍于CPU的性能。因此，选择具有巨大市场潜力并为开发者提供开源应用开发环境的CUDA作为开发平台，并对其环境平台的搭建与应用进行介绍。

2 CUDA+VS2008应用开发环境架构

CUDA是由硬件和软件架构共同组成的，这个架构可以让 GPU 执行由 C、C++、Fortran、OpenCL、DirectCompute以及其他语言所编写的程序。在PC上其应用开发平台的搭建，总体上分为驱动程序、编译器和编程环境的安装三个部分。以操作系统Win7(64位)家庭普通版Service Pack 1的笔记本作为基本平台，介绍CUDA4.1+VS2008开发环境搭建的步骤及相关事项。

2.1 CUDA 平台搭建

从NVIDIA官方网站下载以下程序:

1)devdriver_4.1_winvista － win7_64_286.16_notebook.exe

2)cudatoolkit_4.1.28_win_64.msi(CUDA 平台:版本为4.1.28，操作系统为 windows64位)

3)gpucomputingsdk_4.1.28_win_64.exe(CUDA的软件开发工具包:版本为4.1.28，操作系统为windows64位)

2.1.1 devdriver安装

由于使用的显卡是NVIDIA GeForce GT 540M，因此需要首先安装驱动程序包，即上面提到的devdriver_4.1_winvista － win7_64_286.16_notebook.exe(驱动程序:版本为4.1，操作系统为winvistawin7－64位，机型为笔记本)，注意在从NVIDIA官方网站下载时要选择与开发应用的PC平台相对应的版本。

2.1.2 cudatoolkit安装

接着，安装 cudatoolkit_4.1.28_win_64.msi(CUDA 平台:版本为 4.1.28，操作系统为 windows64位)，注意下载时选择对应的版本。

devdriver和cudatoolkit程序最好都执行默认安装。

2.1.3 gpucomputingsdk 安装

最后，安装 gpucomputingsdk_4.1.28_win_64.exe(CUDA 的软件开发工具包:版本为4.1.28，操作系统为windows64位)，注意下载时选择对应的版本。

建议按照缺省路径安装，但若觉得查找路径麻烦，也可自己指定安装目录。

完成上述3步后，其cudatoolkit和 gpucomputingsdk默认路径分别为:

1)C:Program FilesNVIDIA GPU Computing Toolkit

2)C:ProgramDataNVIDIA CorporationNVIDIA GPU Computing SDK 4.1

下面用SDK_PATH代表C:ProgramDataNVIDIA CorporationNVIDIA GPU Computing SDK 4.1。

2.1.4 安装检查

在win7的环境变量中，检查相关参数是否添加到系统变量里，如表1所示，若没有则需自行添加。

表1 环境变量

以上步骤完成了对CUDA应用平台的安装。

2.2 VS2008 平台搭建

目前，支持 CUDA的 IDE有 VS2005、VS2008、VS2010等，以 Microsoft Visual Studio Team System 2008 Architecture Edition为例，安装完成后按下面步骤进行配置和测试。

为运行gpucomputingsdk里的例程，首先得用VS2008生成两个工具库文件:

1)使用VS2008打开SDK_PATHCcommoncutil_vs2008.sln，选“生成→批生成→全选→生成”。目的:为生成各配置需要的 cutil32［D］.lib和 cutil64［D］.lib，lib存放的位置:SDK_PATHccommonlib(win32|X64)。

2)使用 VS2008打开 SDK_PATHsharedshr Utils_vs2008.sln，选“生成→批生成→全选→生成”。目的:为生成各配置需要的 shrUtils32D.lib和 shr Utils64D.lib，lib 存放的位置:SDK_PATH\sharedlib(win32|X64)。

注意:这个项目编译时有可能会提示有两个.cpp找不到，直接把他们从项目里移去即可。因为同名的.h文件里已经有完整代码了。

在VS2008中，选“工具→项目和解决方案→VC++目录”，在win32|X64的库文件中添加“C:Program FilesNVIDIA GPU Computing ToolkitCUDAv4.1lib”、“SDK_PATHCcommonlib”两个路径;在win32|X64的引用文件和包含文件中添加“C:Program FilesNVIDIA GPU Computing ToolkitCUDAv4.1include”、“SDK_PATHCcommoninc”、“SDK_PATHsharedinc”三个路径。目的:使VS2008能找到相关头文件和库文件。

然后，选“工具→项目和解决方案→VC++目录项目设置”，将*.cu;*.cuh添加到C/C++文件扩展名中。目的:使VS2008能执行上述类型文件。

最后，选“工具→选项→文本编辑器→文件扩展名”，将.cu和.cuh添加到 Microsoft Visual C++编辑器里。目的:使VS2008识别上述类型文件中C/C++语法。

使用VS2008打开SDK_PATHCsrcandwidthTestandwidthTest_vs2008.sln，按照“编译”→“生成bandwidthTes”→“调试”→“启动”，就会出现其结果。

3 CUDA调用GPU的性能测试

用VS2008创建一个空白的win32控制程序，在该项目里添加.cu文件，并编写了两个程序，一个直接用CPU计算1－300000的整数平方和并循环100次，另一个调用GPU计算1－300000的整数平方和并循环100次，并通过 QueryPerformanceFrequency函数进行了时间统计，如表2所示。

表2 环境变量

从结果可以看出GPU运算花费的时间几乎可以不计(约为0.02ms);CPU运算花费的时间(约为63ms)是GPU运算花费时间的3150倍;在初始化设备、开辟空间和向GPU传入数据上花费的时间(约为(522+1882)=2404ms)是CPU运算花费时间的38倍。上述测试数据表明GPU的科学计算能力明显强于CPU，但是GPU与CPU进行数据通信是GPU运算的一个“瓶颈”。因此，只有对于可以进行大规模数据并行计算的程序，即当进行并行计算所节约的时间大大超过GPU与CPU相互调用时所浪费的时间时，GPU才能突显出其强大的科学计算优势。

4 结 束 语

多核CPU和多核GPU的出现意味着并行系统已成为主流处理器芯片。此外，根据摩尔定律，其并行性将不断扩展。这就需要开发出可透明地扩展并行性的应用软件，以便利用日益增加的处理器内核数量。这种情况就像3D图形应用程序可通过透明地扩展其并行性的方式，以支持配备各种数量内核的多核GPU。CUDA正是基于应对这种挑战，而提供的一种并行编程模型和软件环境。同时，保证了熟悉C语言等标准编程语言的程序员能够快速掌握并使用它。随着该开发环境构架的不断发展与成熟，开发者将能够更加自由地发挥其灵感与创意，使GPU给人们的工作、教育、休闲、娱乐带来丰富多彩的应用。

［1］Jason Sanders，edward Kandrot.CUDA BY EXAMPLE［M］.Addison － Wesley Professional，2011.

［2］科克，胡文美.大规模并行处理器编程实战［M］.北京:清华大学出版社，2010.

［3］NVIDIA CUDA C Programming Guide(Version3.1.1)［EB/OL］.NVIDIA Corporation，2010.

［4］NVIDIA CUDA C Programming Best Practices Guide(Version3.1)［EB/OL］.NVIDIA Corporation，2010.

［5］张舒，褚艳利，赵开勇，张玉勃.GPU高性能运算之CUDA［M］.北京:中国水利水电出版社，2009.

［6］李波，赵华成，张敏芳.CUDA高性能计算并行编程［J］.程序员，2009，25(9):55－64.