VScode配置cuda开发环境

因为课程学习需要，配置英伟达的cuda环境做高性能计算的测试。

1.cuda的安装

首先要去英伟达的官网下载安装cuda，安装路径可以自由选择，但是为了方便操作建议直接全部默认安装。

可以现在命令行执行nvidia-smi.exe查看目前显卡支持的最高cuda版本，右上角的cuda version就是我们要确认的版本，下载的cuda不应该比这个版本新。

cuda下载入口：CUDA Toolkit 12.1 Update 1 Downloads | NVIDIA Developer

进去后选择对应的平台和版本

2.检查环境配置

正常情况下安装完成后是会自动配置环境变量的，但是为了保险我们还是去命令行看一下

执行nvcc -V，若可以正常显示版本号等信息，说明正常安装。

3.配置vscode

cuda编程用的是.cu文件，我这里为了操作简单用了coderunner插件，配置.cu文件的编译

点击小齿轮选择扩展设置

我们直接在settings.json中编辑

在"code-runner.executorMap": {}中加入cu文件的编译语句

"cu": "cd $dir; nvcc $fileName -o $fileNameWithoutExt.exe -I'C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.7\\include\\CL' && $dir$fileNameWithoutExt",
//请设置和你的安装路径一致的地址

然后我们在.cu文件的右上角点击运行符号选择用coderunner运行

下面是一个测试小程序

#include <iostream>
#include <math.h>
__global__ 
void add(int n, float *x, float *y)
{
    for (int i = 0; i < n; i++)
    y[i] = x[i] + y[i];
}

int main(void)
{
    int N = 1<<25;
    float *x, *y;

    cudaMallocManaged(&x, N*sizeof(float));
    cudaMallocManaged(&y, N*sizeof(float));

    for (int i = 0; i < N; i++) {
    x[i] = 1.0f;
    y[i] = 2.0f;
}

    add<<<1, 1>>>(N, x, y);

    cudaDeviceSynchronize();

    float maxError = 0.0f;
    for (int i = 0; i < N; i++)
    maxError = fmax(maxError, fabs(y[i]-3.0f));
    std::cout << "Max error: " << maxError << std::endl;

    cudaFree(x);
    cudaFree(y);

    return 0;
}

正常运行结果如下

这里可能会返回一个错误，大意是在path找不到cl.exe

如果是这个情况我们可以添加一个path系统环境变量

C:\Program Files\Microsoft Visual Studio\2022\Community\VC\Tools\MSVC\14.33.31629\bin\Hostx64\x64
//注意这里要找到你电脑上的visual studio安装路径，找到这个文件，bin目录下面可能有两个文件夹，但是cuda运行一定要选择x64

然后重启你的vscode，再用coderunner就能正常运行啦

VScode配置cuda开发环境

猜你喜欢