VS裡面關于.cpp檔案與.cu檔案混合編譯問題---不要在.cpp檔案聲明核函數(__device__()和global__())

原文出處：點選打開連結

#############################################################

不要在.cpp檔案聲明核函數，否則會報錯，具體可以參考下面兩個連結：

http://blog.csdn.net/lingerlanlan/article/details/25063331?utm_source=tuicool

https://stackoverflow.com/questions/16550031/cuda-device-and-global-error-expected-constructor-destructor-or-type

############################################################

在做項目內建的時候需要用到cpp和cuda檔案聯調，自己摸索了兩種方式實作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，預設會自動添加好系統環境變量。

是以不需要額外配置，不過為了保險起見，可以選擇性地添加以下環境變量：

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      

這時可以打開CUDA自帶的sample運作一下，運作能通過才可以繼續下面的内容————cpp和cuda聯調。

方法一：先建立cuda工程，再添加cpp檔案

1.打開vs2010，建立一個cuda項目，名稱CudaCpp。

2.cuda預設建立的工程是如下，實作了兩個一維向量的并行相加。kernel函數和執行函數還有main函數全都寫在了一個cu檔案裡。

3.接下來在工程裡添加一個空的cpp檔案。将原來cu檔案裡main函數裡的内容剪切到cpp檔案main函數裡。

為了讓cpp能夠調用cu檔案裡面的函數，在addWithCuda函數前加上extern "C" 關鍵字  （注意C大寫，為什麼addKernel不用加呢？因為cpp裡面直接調用的是addWithCuda）

4.在cpp裡也要加上addWithCuda函數的完整前向聲明。下圖就是工程的完整結構

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

運作結果：

下面貼出CudaCpp項目代碼。

kernel.cu

[plain]  view plain  copy  print ?

1. #include "cuda_runtime.h"  
2. #include "device_launch_parameters.h"  
3. #include <stdio.h>  
4. __global__ void addKernel(int *c, const int *a, const int *b)  
5. {  
6.     int i = threadIdx.x;  
7.     c[i] = a[i] + b[i];  
8. }  
9. // Helper function for using CUDA to add vectors in parallel.  
10. extern "C"  
11. cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size)  
12. {  
13.     int *dev_a = 0;  
14.     int *dev_b = 0;  
15.     int *dev_c = 0;  
16.     cudaError_t cudaStatus;  
17.     // Choose which GPU to run on, change this on a multi-GPU system.  
18.     cudaStatus = cudaSetDevice(0);  
19.     if (cudaStatus != cudaSuccess) {  
20.         fprintf(stderr, "cudaSetDevice failed!  Do you have a CUDA-capable GPU installed?");  
21.         goto Error;  
22.     }  
23.     // Allocate GPU buffers for three vectors (two input, one output)    .  
24.     cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));  
25.     if (cudaStatus != cudaSuccess) {  
26.         fprintf(stderr, "cudaMalloc failed!");  
27.         goto Error;  
28.     }  
29.     cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));  
30.     if (cudaStatus != cudaSuccess) {  
31.         fprintf(stderr, "cudaMalloc failed!");  
32.         goto Error;  
33.     }  
34.     cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));  
35.     if (cudaStatus != cudaSuccess) {  
36.         fprintf(stderr, "cudaMalloc failed!");  
37.         goto Error;  
38.     }  
39.     // Copy input vectors from host memory to GPU buffers.  
40.     cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);  
41.     if (cudaStatus != cudaSuccess) {  
42.         fprintf(stderr, "cudaMemcpy failed!");  
43.         goto Error;  
44.     }  
45.     cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);  
46.     if (cudaStatus != cudaSuccess) {  
47.         fprintf(stderr, "cudaMemcpy failed!");  
48.         goto Error;  
49.     }  
50.     // Launch a kernel on the GPU with one thread for each element.  
51.     addKernel<<<1, size>>>(dev_c, dev_a, dev_b);  
52.     // Check for any errors launching the kernel  
53.     cudaStatus = cudaGetLastError();  
54.     if (cudaStatus != cudaSuccess) {  
55.         fprintf(stderr, "addKernel launch failed: %s\n", cudaGetErrorString(cudaStatus));  
56.         goto Error;  
57.     }  
58.     // cudaDeviceSynchronize waits for the kernel to finish, and returns  
59.     // any errors encountered during the launch.  
60.     cudaStatus = cudaDeviceSynchronize();  
61.     if (cudaStatus != cudaSuccess) {  
62.         fprintf(stderr, "cudaDeviceSynchronize returned error code %d after launching addKernel!\n", cudaStatus);  
63.         goto Error;  
64.     }  
65.     // Copy output vector from GPU buffer to host memory.  
66.     cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);  
67.     if (cudaStatus != cudaSuccess) {  
68.         fprintf(stderr, "cudaMemcpy failed!");  
69.         goto Error;  
70.     }  
71. Error:  
72.     cudaFree(dev_c);  
73.     cudaFree(dev_a);  
74.     cudaFree(dev_b);  
75.     return cudaStatus;  
76. }  

main.cpp

[cpp]  view plain  copy  print ?

1. #include <stdio.h>  
2. #include "cuda_runtime.h"  
3. #include "device_launch_parameters.h"  
4. extern "C"  
5.     cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);  
6. int main()  
7. {  
8.     const int arraySize = 5;  
9.     const int a[arraySize] = { 1, 2, 3, 4, 5 };  
10.     const int b[arraySize] = { 10, 20, 30, 40, 50 };  
11.     int c[arraySize] = { 0 };  
12.     // Add vectors in parallel.  
13.     cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize);  
14.     if (cudaStatus != cudaSuccess) {  
15.         fprintf(stderr, "addWithCuda failed!");  
16.         return 1;  
17.     }  
18.     printf("{1,2,3,4,5} + {10,20,30,40,50} = {%d,%d,%d,%d,%d}\n",  
19.         c[0], c[1], c[2], c[3], c[4]);  
20.     printf("cuda工程中調用cpp成功！\n");  
21.     // cudaDeviceReset must be called before exiting in order for profiling and  
22.     // tracing tools such as Nsight and Visual Profiler to show complete traces.  
23.     cudaStatus = cudaDeviceReset();  
24.     if (cudaStatus != cudaSuccess) {  
25.         fprintf(stderr, "cudaDeviceReset failed!");  
26.         return 1;  
27.     }  
28.     getchar(); //here we want the console to hold for a while  
29.     return 0;  
30. }  

方法二：先建立cpp工程，再添加cu檔案

方法一由于是cuda工程是自動建立的，是以比較簡單，不需要多少額外的配置。而在cpp工程裡面添加cu就要複雜一些。為了簡單起見，這裡采用console程式講解，至于MFC或者Direct3D程式同理。

1.建立一個空的win32控制台工程，名稱CppCuda。

2.然後右鍵工程-->添加一個cu檔案

3.将方法一中cu和cpp檔案的代碼分别拷貝到這個工程裡來（做了少許修改，extern "C"關鍵字和某些頭檔案不要忘了加），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 ，将對話框中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 正常-->項類型 裡面選擇CUDA C/C++（由于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-->文本編輯器-->檔案擴充名 添加cu \cuh兩個檔案擴充名

8.至此配置成功。運作一下：

9.為了更加确信cuda中的函數确實被調用，在main.cpp裡面調用cuda函數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調用cuda函數成功。

貼上代碼（其實跟方式一基本一樣，沒怎麼改），工程CppCuda

kernel.cu

[plain]  view plain  copy  print ?

1. #include "cuda_runtime.h"  
2. #include "device_launch_parameters.h"  
3. #include <stdio.h>  
4. //cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);  
5. __global__ void addKernel(int *c, const int *a, const int *b)  
6. {  
7.     int i = threadIdx.x;  
8.     c[i] = a[i] + b[i];  
9. }  
10. // Helper function for using CUDA to add vectors in parallel.  
11. extern "C"  
12. cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size)  
13. {  
14.     int *dev_a = 0;  
15.     int *dev_b = 0;  
16.     int *dev_c = 0;  
17.     cudaError_t cudaStatus;  
18.     // Choose which GPU to run on, change this on a multi-GPU system.  
19.     cudaStatus = cudaSetDevice(0);  
20.     if (cudaStatus != cudaSuccess) {  
21.         fprintf(stderr, "cudaSetDevice failed!  Do you have a CUDA-capable GPU installed?");  
22.         goto Error;  
23.     }  
24.     // Allocate GPU buffers for three vectors (two input, one output)    .  
25.     cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));  
26.     if (cudaStatus != cudaSuccess) {  
27.         fprintf(stderr, "cudaMalloc failed!");  
28.         goto Error;  
29.     }  
30.     cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));  
31.     if (cudaStatus != cudaSuccess) {  
32.         fprintf(stderr, "cudaMalloc failed!");  
33.         goto Error;  
34.     }  
35.     cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));  
36.     if (cudaStatus != cudaSuccess) {  
37.         fprintf(stderr, "cudaMalloc failed!");  
38.         goto Error;  
39.     }  
40.     // Copy input vectors from host memory to GPU buffers.  
41.     cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);  
42.     if (cudaStatus != cudaSuccess) {  
43.         fprintf(stderr, "cudaMemcpy failed!");  
44.         goto Error;  
45.     }  
46.     cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);  
47.     if (cudaStatus != cudaSuccess) {  
48.         fprintf(stderr, "cudaMemcpy failed!");  
49.         goto Error;  
50.     }  
51.     // Launch a kernel on the GPU with one thread for each element.  
52.     addKernel<<<1, size>>>(dev_c, dev_a, dev_b);  
53.     // Check for any errors launching the kernel  
54.     cudaStatus = cudaGetLastError();  
55.     if (cudaStatus != cudaSuccess) {  
56.         fprintf(stderr, "addKernel launch failed: %s\n", cudaGetErrorString(cudaStatus));  
57.         goto Error;  
58.     }  
59.     // cudaDeviceSynchronize waits for the kernel to finish, and returns  
60.     // any errors encountered during the launch.  
61.     cudaStatus = cudaDeviceSynchronize();  
62.     if (cudaStatus != cudaSuccess) {  
63.         fprintf(stderr, "cudaDeviceSynchronize returned error code %d after launching addKernel!\n", cudaStatus);  
64.         goto Error;  
65.     }  
66.     // Copy output vector from GPU buffer to host memory.  
67.     cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);  
68.     if (cudaStatus != cudaSuccess) {  
69.         fprintf(stderr, "cudaMemcpy failed!");  
70.         goto Error;  
71.     }  
72. Error:  
73.     cudaFree(dev_c);  
74.     cudaFree(dev_a);  
75.     cudaFree(dev_b);  
76.     return cudaStatus;  
77. }  

main.cpp

[cpp]  view plain  copy  print ?

1. #include <iostream>  
2. #include "cuda_runtime.h"  
3. #include "device_launch_parameters.h"  
4. using namespace std;  
5. extern "C"  
6.     cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);  
7. int main(int argc,char **argv)  
8. {  
9.     const int arraySize = 5;  
10.     const int a[arraySize] = { 1, 2, 3, 4, 5 };  
11.     const int b[arraySize] = { 10, 20, 30, 40, 50 };  
12.     int c[arraySize] = { 0 };  
13.     // Add vectors in parallel.  
14.     cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize);  
15.     if (cudaStatus != cudaSuccess) {  
16.         fprintf(stderr, "addWithCuda failed!");  
17.         return 1;  
18.     }  
19.     cout<<"{1,2,3,4,5} + {10,20,30,40,50} = {"<<c[0]<<','<<c[1]<<','<<c[2]<<','<<c[3]<<'}'<<endl;  
20.     printf("cpp工程中調用cu成功！\n");  
21.     // cudaDeviceReset must be called before exiting in order for profiling and  
22.     // tracing tools such as Nsight and Visual Profiler to show complete traces.  
23.     cudaStatus = cudaDeviceReset();  
24.     if (cudaStatus != cudaSuccess) {  
25.         fprintf(stderr, "cudaDeviceReset failed!");  
26.         return 1;  
27.     }  
28.     system("pause"); //here we want the console to hold for a while  
29.     return 0;  
30. }  

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

以後将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。