基于GPU的CUDA應用開發環境構架

鄧 力，陳曉翔，林嘉宇

(國防科學技術大學電子科學與工程學院，長沙 410073)

1 引言

從1999年NVIDIA公司最早提出圖形處理單元GPU到現在，GPU的應用已經不再局限于3D圖形處理了，并已經演變成為了一個具有強大浮點數編程和計算能力的處理器，以滿足人們進行大規模科學計算的要求。事實也證明，GPU在浮點運算、并行計算等計算方面，可以提供數十倍乃至于上百倍于CPU的性能。因此，選擇具有巨大市場潛力并為開發者提供開源應用開發環境的CUDA作為開發平臺，并對其環境平臺的搭建與應用進行介紹。

2 CUDA+VS2008應用開發環境架構

CUDA是由硬件和軟件架構共同組成的，這個架構可以讓 GPU 執行由 C、C++、Fortran、OpenCL、DirectCompute以及其他語言所編寫的程序。在PC上其應用開發平臺的搭建，總體上分為驅動程序、編譯器和編程環境的安裝三個部分。以操作系統Win7(64位)家庭普通版Service Pack 1的筆記本作為基本平臺，介紹CUDA4.1+VS2008開發環境搭建的步驟及相關事項。

2.1 CUDA 平臺搭建

從NVIDIA官方網站下載以下程序:

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

2)cudatoolkit_4.1.28_win_64.msi(CUDA 平臺:版本為4.1.28，操作系統為 windows64位)

3)gpucomputingsdk_4.1.28_win_64.exe(CUDA的軟件開發工具包:版本為4.1.28，操作系統為windows64位)

2.1.1 devdriver安裝

由于使用的顯卡是NVIDIA GeForce GT 540M，因此需要首先安裝驅動程序包，即上面提到的devdriver_4.1_winvista － win7_64_286.16_notebook.exe(驅動程序:版本為4.1，操作系統為winvistawin7－64位，機型為筆記本)，注意在從NVIDIA官方網站下載時要選擇與開發應用的PC平臺相對應的版本。

2.1.2 cudatoolkit安裝

接著，安裝 cudatoolkit_4.1.28_win_64.msi(CUDA 平臺:版本為 4.1.28，操作系統為 windows64位)，注意下載時選擇對應的版本。

devdriver和cudatoolkit程序最好都執行默認安裝。

2.1.3 gpucomputingsdk 安裝

最后，安裝 gpucomputingsdk_4.1.28_win_64.exe(CUDA 的軟件開發工具包:版本為4.1.28，操作系統為windows64位)，注意下載時選擇對應的版本。

建議按照缺省路徑安裝，但若覺得查找路徑麻煩，也可自己指定安裝目錄。

完成上述3步后，其cudatoolkit和 gpucomputingsdk默認路徑分別為:

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 安裝檢查

在win7的環境變量中，檢查相關參數是否添加到系統變量里，如表1所示，若沒有則需自行添加。

表1 環境變量

以上步驟完成了對CUDA應用平臺的安裝。

2.2 VS2008 平臺搭建

目前，支持 CUDA的 IDE有 VS2005、VS2008、VS2010等，以 Microsoft Visual Studio Team System 2008 Architecture Edition為例，安裝完成后按下面步驟進行配置和測試。

為運行gpucomputingsdk里的例程，首先得用VS2008生成兩個工具庫文件:

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

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

注意:這個項目編譯時有可能會提示有兩個.cpp找不到，直接把他們從項目里移去即可。因為同名的.h文件里已經有完整代碼了。

在VS2008中，選“工具→項目和解決方案→VC++目錄”，在win32|X64的庫文件中添加“C:Program FilesNVIDIA GPU Computing ToolkitCUDAv4.1lib”、“SDK_PATHCcommonlib”兩個路徑;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”三個路徑。目的:使VS2008能找到相關頭文件和庫文件。

然后，選“工具→項目和解決方案→VC++目錄項目設置”，將*.cu;*.cuh添加到C/C++文件擴展名中。目的:使VS2008能執行上述類型文件。

最后，選“工具→選項→文本編輯器→文件擴展名”，將.cu和.cuh添加到 Microsoft Visual C++編輯器里。目的:使VS2008識別上述類型文件中C/C++語法。

使用VS2008打開SDK_PATHCsrcandwidthTestandwidthTest_vs2008.sln，按照“編譯”→“生成bandwidthTes”→“調試”→“啟動”，就會出現其結果。

3 CUDA調用GPU的性能測試

用VS2008創建一個空白的win32控制程序，在該項目里添加.cu文件，并編寫了兩個程序，一個直接用CPU計算1－300000的整數平方和并循環100次，另一個調用GPU計算1－300000的整數平方和并循環100次，并通過 QueryPerformanceFrequency函數進行了時間統計，如表2所示。

表2 環境變量

從結果可以看出GPU運算花費的時間幾乎可以不計(約為0.02ms);CPU運算花費的時間(約為63ms)是GPU運算花費時間的3150倍;在初始化設備、開辟空間和向GPU傳入數據上花費的時間(約為(522+1882)=2404ms)是CPU運算花費時間的38倍。上述測試數據表明GPU的科學計算能力明顯強于CPU，但是GPU與CPU進行數據通信是GPU運算的一個“瓶頸”。因此，只有對于可以進行大規模數據并行計算的程序，即當進行并行計算所節約的時間大大超過GPU與CPU相互調用時所浪費的時間時，GPU才能突顯出其強大的科學計算優勢。

4 結 束 語

多核CPU和多核GPU的出現意味著并行系統已成為主流處理器芯片。此外，根據摩爾定律，其并行性將不斷擴展。這就需要開發出可透明地擴展并行性的應用軟件，以便利用日益增加的處理器內核數量。這種情況就像3D圖形應用程序可通過透明地擴展其并行性的方式，以支持配備各種數量內核的多核GPU。CUDA正是基于應對這種挑戰，而提供的一種并行編程模型和軟件環境。同時，保證了熟悉C語言等標準編程語言的程序員能夠快速掌握并使用它。隨著該開發環境構架的不斷發展與成熟，開發者將能夠更加自由地發揮其靈感與創意，使GPU給人們的工作、教育、休閑、娛樂帶來豐富多彩的應用。

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

［2］科克，胡文美.大規模并行處理器編程實戰［M］.北京:清華大學出版社，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］張舒，褚艷利，趙開勇，張玉勃.GPU高性能運算之CUDA［M］.北京:中國水利水電出版社，2009.

［6］李波，趙華成，張敏芳.CUDA高性能計算并行編程［J］.程序員，2009，25(9):55－64.