VS里面关于.cpp文件与.cu文件混合编译问题---不要在.cpp文件声明核函数(__device__()和global__())

原文出处：点击打开链接

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

不要在.cpp文件声明核函数，否则会报错，具体可以参考下面两个链接：

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

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

在做项目集成的时候需要用到cpp和cuda文件联调，自己摸索了两种方式实现cpp和cu文件混合编译。

本文环境：

• windows7 64位
• VS2010
• CUDA5.5
• 英伟达显卡Tesla C1060

前言

装好CUDA 5.5 sdk后，默认会自动添加好系统环境变量。

因此不需要额外配置，不过为了保险起见，可以选择性地添加以下环境变量：

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      

这时可以打开CUDA自带的sample运行一下，运行能通过才可以继续下面的内容————cpp和cuda联调。

方法一：先建立cuda工程，再添加cpp文件

1.打开vs2010，新建一个cuda项目，名称CudaCpp。

2.cuda默认建立的工程是如下，实现了两个一维向量的并行相加。kernel函数和执行函数还有main函数全都写在了一个cu文件里。

3.接下来在工程里添加一个空的cpp文件。将原来cu文件里main函数里的内容剪切到cpp文件main函数里。

为了让cpp能够调用cu文件里面的函数，在addWithCuda函数前加上extern "C" 关键字  （注意C大写，为什么addKernel不用加呢？因为cpp里面直接调用的是addWithCuda）

4.在cpp里也要加上addWithCuda函数的完整前向声明。下图就是工程的完整结构

5.可以在cpp里的main函数return之间加入getchar()防止运行后一闪就退出，加上system("pause")或者直接ctrl+F5也行。

运行结果：

下面贴出CudaCpp项目代码。

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工程中调用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文件

方法一由于是cuda工程是自动建立的，所以比较简单，不需要多少额外的配置。而在cpp工程里面添加cu就要复杂一些。为了简单起见，这里采用console程序讲解，至于MFC或者Direct3D程序同理。

1.建立一个空的win32控制台工程，名称CppCuda。

2.然后右键工程-->添加一个cu文件

3.将方法一中cu和cpp文件的代码分别拷贝到这个工程里来（做了少许修改，extern "C"关键字和某些头文件不要忘了加），工程结构如图：

这个时候编译是通不过的，需要作一些配置。

4.关键的一步，右键工程-->生成自定义 ，将对话框中CUDA5.5前面的勾打上。

这时点击 工程-->属性，会发现多了CUDA链接器这一项。

5.关键的一步，右键kernel.cu文件-->属性，在 常规-->项类型 里面选择CUDA C/C++（由于cu文件是由nvcc编译的，这里要修改编译链接属性）

6.工程-->属性-->链接器-->附加依赖项，加入cudart.lib

7.工具-->选项-->文本编辑器-->文件扩展名 添加cu \cuh两个文件扩展名

8.至此配置成功。运行一下：

9.为了更加确信cuda中的函数确实被调用，在main.cpp里面调用cuda函数的地方加入了一个断点。

单步执行一下。

可以看到程序跳到了cu文件里去执行了，说明cpp调用cuda函数成功。

贴上代码（其实跟方式一基本一样，没怎么改），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工程中调用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. }  

注意有时候编译出问题，把   "device_launch_parameters.h"  这个头文件去掉就好了（去掉之后就不能调里面的函数或变量了），至于为什么，还不是很清楚。

以后将cu文件加入到任何MFC，qt，D3D或者OpenGL等C++工程中步骤都是类似的。