在做專案整合的時候需要用到cpp和cuda檔案聯調，自己摸索了兩種方式實現cpp和cu檔案混合編譯。

本文環境：

• windows7 64位
• VS2010
• CUDA5.5
• 英偉達顯示卡Tesla C1060

前言

裝好CUDA 5.5 sdk後，預設會自動新增好系統環境變數。
因此不需要額外配置，不過為了保險起見，可以選擇性地新增以下環境變數：

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
 

這時可以開啟CUDA自帶的sample執行一下，執行能通過才可以繼續下面的內容————cpp和cuda聯調。

方法一：先建立cuda工程，再新增cpp檔案

1.開啟vs2010，新建一個cuda專案，名稱CudaCpp。

2.cuda預設建立的工程是如下，實現了兩個一維向量的並行相加。kernel函式和執行函式還有main函式全都寫在了一個cu檔案裡。

3.接下來在工程裡新增一個空的cpp檔案。將原來cu檔案裡main函式裡的內容剪下到cpp檔案main函式裡。

為了讓cpp能夠呼叫cu檔案裡面的函式，在addWithCuda函式前加上extern "C" 關鍵字  （注意C大寫，為什麼addKernel不用加呢？因為cpp裡面直接呼叫的是addWithCuda）

4.在cpp裡也要加上addWithCuda函式的完整前向宣告。下圖就是工程的完整結構

5.可以在cpp裡的main函式return之間加入getchar()防止執行後一閃就退出，加上system("pause")或者直接ctrl+F5也行。

執行結果：

下面貼出CudaCpp專案程式碼。

kernel.cu

#include "cuda_runtime.h"
#include "device_launch_parameters.h"

#include <stdio.h>

__global__ void addKernel(int *c, const int *a, const int *b)
{
    int i = threadIdx.x;
    c[i] = a[i] + b[i];
}
// Helper function for using CUDA to add vectors in parallel.
extern "C"
cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size)
{
    int *dev_a = 0;
    int *dev_b = 0;
    int *dev_c = 0;
    cudaError_t cudaStatus;

    // Choose which GPU to run on, change this on a multi-GPU system.
    cudaStatus = cudaSetDevice(0);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaSetDevice failed!  Do you have a CUDA-capable GPU installed?");
        goto Error;
    }

    // Allocate GPU buffers for three vectors (two input, one output)    .
    cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMalloc failed!");
        goto Error;
    }

    cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMalloc failed!");
        goto Error;
    }

    cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMalloc failed!");
        goto Error;
    }

    // Copy input vectors from host memory to GPU buffers.
    cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMemcpy failed!");
        goto Error;
    }

    cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMemcpy failed!");
        goto Error;
    }

    // Launch a kernel on the GPU with one thread for each element.
    addKernel<<<1, size>>>(dev_c, dev_a, dev_b);

    // Check for any errors launching the kernel
    cudaStatus = cudaGetLastError();
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "addKernel launch failed: %s\n", cudaGetErrorString(cudaStatus));
        goto Error;
    }
    
    // cudaDeviceSynchronize waits for the kernel to finish, and returns
    // any errors encountered during the launch.
    cudaStatus = cudaDeviceSynchronize();
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaDeviceSynchronize returned error code %d after launching addKernel!\n", cudaStatus);
        goto Error;
    }

    // Copy output vector from GPU buffer to host memory.
    cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMemcpy failed!");
        goto Error;
    }

Error:
    cudaFree(dev_c);
    cudaFree(dev_a);
    cudaFree(dev_b);
    
    return cudaStatus;
}
 

main.cpp

#include <stdio.h>
#include "cuda_runtime.h"
#include "device_launch_parameters.h"

extern "C"
	cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);
int main()
{
	const int arraySize = 5;
	const int a[arraySize] = { 1, 2, 3, 4, 5 };
	const int b[arraySize] = { 10, 20, 30, 40, 50 };
	int c[arraySize] = { 0 };

	// Add vectors in parallel.
	cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize);
	if (cudaStatus != cudaSuccess) {
		fprintf(stderr, "addWithCuda failed!");
		return 1;
	}

	printf("{1,2,3,4,5} + {10,20,30,40,50} = {%d,%d,%d,%d,%d}\n",
		c[0], c[1], c[2], c[3], c[4]);
	printf("cuda工程中呼叫cpp成功！\n");

	// cudaDeviceReset must be called before exiting in order for profiling and
	// tracing tools such as Nsight and Visual Profiler to show complete traces.
	cudaStatus = cudaDeviceReset();
	if (cudaStatus != cudaSuccess) {
		fprintf(stderr, "cudaDeviceReset failed!");
		return 1;
	}
	getchar(); //here we want the console to hold for a while
	return 0;
}

方法二：先建立cpp工程，再新增cu檔案

方法一由於是cuda工程是自動建立的，所以比較簡單，不需要多少額外的配置。而在cpp工程裡面新增cu就要複雜一些。為了簡單起見，這裡採用console程式講解，至於MFC或者Direct3D程式同理。

1.建立一個空的win32控制檯工程，名稱CppCuda。

2.然後右鍵工程-->新增一個cu檔案

3.將方法一中cu和cpp檔案的程式碼分別拷貝到這個工程裡來（做了少許修改，extern "C"關鍵字和某些標頭檔案不要忘了加），工程結構如圖：

這個時候編譯是通不過的，需要作一些配置。

4.關鍵的一步，右鍵工程-->生成自定義 ，將對話方塊中CUDA5.5前面的勾打上。

這時點選 工程-->屬性，會發現多了CUDA連結器這一項。

5.關鍵的一步，右鍵kernel.cu檔案-->屬性，在 常規-->項型別 裡面選擇CUDA C/C++（由於cu檔案是由nvcc編譯的，這裡要修改編譯連結屬性）

6.工程-->屬性-->連結器-->附加依賴項，加入cudart.lib

7.工具-->選項-->文字編輯器-->副檔名 新增cu \cuh兩個副檔名

8.至此配置成功。執行一下：

9.為了更加確信cuda中的函式確實被呼叫，在main.cpp裡面呼叫cuda函式的地方加入了一個斷點。

單步執行一下。

可以看到程式跳到了cu檔案裡去執行了，說明cpp呼叫cuda函式成功。

貼上程式碼（其實跟方式一基本一樣，沒怎麼改），工程CppCuda

kernel.cu

#include "cuda_runtime.h"
#include "device_launch_parameters.h"

#include <stdio.h>

//cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);
__global__ void addKernel(int *c, const int *a, const int *b)
{
    int i = threadIdx.x;
    c[i] = a[i] + b[i];
}
// Helper function for using CUDA to add vectors in parallel.
extern "C"
cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size)
{
    int *dev_a = 0;
    int *dev_b = 0;
    int *dev_c = 0;
    cudaError_t cudaStatus;

    // Choose which GPU to run on, change this on a multi-GPU system.
    cudaStatus = cudaSetDevice(0);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaSetDevice failed!  Do you have a CUDA-capable GPU installed?");
        goto Error;
    }

    // Allocate GPU buffers for three vectors (two input, one output)    .
    cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMalloc failed!");
        goto Error;
    }

    cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMalloc failed!");
        goto Error;
    }

    cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMalloc failed!");
        goto Error;
    }

    // Copy input vectors from host memory to GPU buffers.
    cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMemcpy failed!");
        goto Error;
    }

    cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMemcpy failed!");
        goto Error;
    }

    // Launch a kernel on the GPU with one thread for each element.
    addKernel<<<1, size>>>(dev_c, dev_a, dev_b);

    // Check for any errors launching the kernel
    cudaStatus = cudaGetLastError();
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "addKernel launch failed: %s\n", cudaGetErrorString(cudaStatus));
        goto Error;
    }
    
    // cudaDeviceSynchronize waits for the kernel to finish, and returns
    // any errors encountered during the launch.
    cudaStatus = cudaDeviceSynchronize();
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaDeviceSynchronize returned error code %d after launching addKernel!\n", cudaStatus);
        goto Error;
    }

    // Copy output vector from GPU buffer to host memory.
    cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMemcpy failed!");
        goto Error;
    }

Error:
    cudaFree(dev_c);
    cudaFree(dev_a);
    cudaFree(dev_b);
    
    return cudaStatus;
}

main.cpp

#include <iostream>
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
using namespace std;

extern "C"
	cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);
int main(int argc,char **argv)
{
	const int arraySize = 5;
	const int a[arraySize] = { 1, 2, 3, 4, 5 };
	const int b[arraySize] = { 10, 20, 30, 40, 50 };
	int c[arraySize] = { 0 };

	// Add vectors in parallel.
	cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize);
	if (cudaStatus != cudaSuccess) {
		fprintf(stderr, "addWithCuda failed!");
		return 1;
	}

	cout<<"{1,2,3,4,5} + {10,20,30,40,50} = {"<<c[0]<<','<<c[1]<<','<<c[2]<<','<<c[3]<<'}'<<endl;
	printf("cpp工程中呼叫cu成功！\n");

	// cudaDeviceReset must be called before exiting in order for profiling and
	// tracing tools such as Nsight and Visual Profiler to show complete traces.
	cudaStatus = cudaDeviceReset();
	if (cudaStatus != cudaSuccess) {
		fprintf(stderr, "cudaDeviceReset failed!");
		return 1;
	}
	system("pause"); //here we want the console to hold for a while
	return 0;
}

注意有時候編譯出問題，把  "device_launch_parameters.h" 這個標頭檔案去掉就好了（去掉之後就不能調裡面的函式或變量了），至於為什麼，還不是很清楚。

以後將cu檔案加入到任何MFC，qt，D3D或者OpenGL等C++工程中步驟都是類似的。