由于工作需要在Qt中调用CUDA做并行计算，加速算法实现时间，发现有两种方法可以在Qt中调用CUDA代码。
第一种是在项目中创建CUDA的cu文件，编写CUDA的核函数给其他的QT代码调用，Qt的代码正常编译，CUDA代码使用nvcc编译器编译。这种方法只要配置一下pro文件就可以了，适合CUDA代码比较少的项目，只需要几个核函数调用CUDA进行一下加速运算，具体方法可以看我的另一篇博客：QT+CUDA 同时编译Qt和CUDA代码文章浏览阅读1k次，点赞29次，收藏13次。工作需要把cuda的代码移植到QT中，和Qt项目一起编译，这里记录一下。_qt win .exe加cudahttps://blog.csdn.net/Sakuya__/article/details/141264954?spm=1001.2014.3001.5502
第二种是把CUDA代码编译成动态链接库，Qt程序直接调用动态链接库中的接口，就像调用其他C++库一样。这种方法适合CUDA代码比较多的项目，比如用CUDA代码实现了一整个深度学习算法，有几十上百个CUDA文件，并且互相包含引用。这时候第一种方法在编译时就可能会有问题，并且也不好进行管理。
这里记录一下把CUDA代码编译成动态链接库的过程。
一、编译CUDA的动态链接库
1.创建动态链接库工程
我使用的是VS2022，建立工程，选择具有导出项的动态链接库
项目名称是CudaDynamicCores，这是我创建完成后的项目目录结构
点击项目名称，右键 —> 生成依赖项 —> 生成自定义，勾选上你要用的CUDA版本，然后点击确定
2.添加CUDA文件
点击项目名称，右键选择添加—>新建项
选择添加CUDA文件，命名为Test.cu：
然后同样的再添加CUDA头文件，命名为Test.cuh
创建完后，右键一下Test.cu文件 —>属性，确认文件类型选择的是 CUDA C/C++。我用的VS2022，在第一步中把生成自定义项改为使用CUDA后，创建的cuda文件自动就会选择为 CUDA C/C++，如果不是的话自己点击下拉框选择一下
3.写入CUDA代码
Test.cuh
#ifndef _Test_H
#define _Test_H
#include "CudaDynamicCores.h"
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
CUDADYNAMICCORES_API int CUDA_VectorAdd(int c[], int a[], int b[], int size);
CUDADYNAMICCORES_API void CUDA_ShowDeviceProp(void);
#endif // _Test_HTest.cu
#include "Test.cuh"
#include <iostream>
// 向量相加
int CUDA_VectorAdd(int c[], int a[], int b[], int size)
{
int result = -1;
int* dev_a = 0;
int* dev_b = 0;
int* dev_c = 0;
cudaError_t cudaStatus;
// 选择用于运行的GPU
cudaStatus = cudaSetDevice(0);
if (cudaStatus != cudaSuccess) {
result = 1;
goto Error;
}
// 在GPU中为变量dev_a、dev_b、dev_c分配内存空间.
cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));
if (cudaStatus != cudaSuccess) {
result = 2;
goto Error;
}
cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));
if (cudaStatus != cudaSuccess) {
result = 3;
goto Error;
}
cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));
if (cudaStatus != cudaSuccess) {
result = 4;
goto Error;
}
// 从主机内存复制数据到GPU内存中.
cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);
if (cudaStatus != cudaSuccess) {
result = 5;
goto Error;
}
cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);
if (cudaStatus != cudaSuccess) {
result = 6;
goto Error;
}
// 启动GPU内核函数
addKernel << <1, size >> > (dev_c, dev_a, dev_b);
// 采用cudaDeviceSynchronize等待GPU内核函数执行完成并且返回遇到的任何错误信息
cudaStatus = cudaDeviceSynchronize();
if (cudaStatus != cudaSuccess) {
result = 7;
goto Error;
}
// 从GPU内存中复制数据到主机内存中
cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);
if (cudaStatus != cudaSuccess) {
result = 8;
goto Error;
}
result = 0;
// 重置CUDA设备，在退出之前必须调用cudaDeviceReset
cudaStatus = cudaDeviceReset();
if (cudaStatus != cudaSuccess) {
return 9;
}
Error:
//释放设备中变量所占内存
cudaFree(dev_c);
cudaFree(dev_a);
cudaFree(dev_b);
return result;
}
//显示设备信息
void CUDA_ShowDeviceProp(void)
{
int i, count;
cudaDeviceProp prop;
cudaError_t cudaStatus = cudaGetDeviceCount(&count);
if (cudaStatus == cudaSuccess) {
std::cout << "共有设备数目：" << count << std::endl;
if (count > 0)
{
for (i = 0; i < count; i++)
{
cudaGetDeviceProperties(&prop, i);//获取设备的属性信息
std::cout << "第" << i + 1 << "个设备信息：" << std::endl;
std::cout << "设备名称：" << prop.name << std::endl;
std::cout << "总内存：" << prop.totalGlobalMem / 1048576 << "M" << std::endl;
std::cout << "常量内存：" << prop.totalConstMem << "字节" << std::endl;
std::cout << "设备中处理器数目：" << prop.multiProcessorCount << "个" << std::endl;
std::cout << "每个线程块最多包含线程数目：" << prop.maxThreadsPerBlock << "个" << std::endl;
std::cout << "一个线程格中可包含的线程块数目：I=" << prop.maxGridSize[0]
<< " J=" << prop.maxGridSize[1] << " K=" << prop.maxGridSize[2] << std::endl;
std::cout << "多维线程块中可以包含的最大线程数目：I=" << prop.maxThreadsDim[0]
<< " J=" << prop.maxThreadsDim[1] << " K=" << prop.maxThreadsDim[2] << std::endl;
}
}
}
else
{
std::cout << "没有获取到设备信息！请检查计算机是否具有支持CUDA的显卡设备以及CUDA驱动程序版本是否需要更新！" << std::endl;
}
}CudaDynamicCores.h，前面自动生成的导出类、函数和变量的示例可以删也可以不删，如果删的话，cpp中的实现也一起删掉。在之后加上你自己要导出的函数声明，所有要导出的函数都要用上面宏定义的 CUDADYNAMICCORES_API 修饰，并且用extern "C" 加大括号 { } 括起来。
#ifdef CUDADYNAMICCORES_EXPORTS
#define CUDADYNAMICCORES_API __declspec(dllexport)
#else
#define CUDADYNAMICCORES_API __declspec(dllimport)
#endif
// 此类是从 dll 导出的
class CUDADYNAMICCORES_API CCudaDynamicCores {
public:
CCudaDynamicCores(void);
// TODO: 在此处添加方法。
};
extern CUDADYNAMICCORES_API int nCudaDynamicCores;
CUDADYNAMICCORES_API int fnCudaDynamicCores(void);
extern "C"
{
/********************************************************************************
函数： CUDA_ShowDeviceProp
参数： /
返回值： /
说明： 读取设备显卡属性，并打印出来
*********************************************************************************/
CUDADYNAMICCORES_API void CUDA_ShowDeviceProp(void);
/********************************************************************************
函数： CUDA_VectorAdd
参数： [out] c 向量a和向量b相加的结果
[in] a 向量相加计算的第一个向量
[in] b 向量相加计算的第二个向量
[in] size 向量的大小
返回值： 计算结果成功和失败的错误码
说明： 计算两个向量相加
*********************************************************************************/
CUDADYNAMICCORES_API int CUDA_VectorAdd(int c[], int a[], int b[], int size);
}4.添加链接器的附加依赖项
点击项目名称，右键选择属性，在链接器 —> 输入 —> 附加依赖项，查看其中有没有cudart.lib，VS2022在设置自定义生成为CUDA后这里会自动有集成值cudart.lib，如果没有的话自己手动添加一下，添加后点击应用和确定。
5.生成
点击项目名称，右键选择生成，等待编译完成。
然后就可以在项目目录下看到一个x64文件夹，里面有Debug或者Release文件夹，取决于你刚才生成之前，解决方案项目配置的是Debug还是Release，文件夹下都有一个lib文件和一个dll文件。你需要看调试信息的话就用Debug，不需要的话就编译Release，我这里用的是Release。
二、Qt中使用编译好的CUDA动态链接库
1.添加头文件和lib文件
这里和Qt调用其他C++的动态链接库是一样的，首先创建一个 Qt 的项目。在项目路径下新建一个 include 文件夹，然后把前面的 CudaDynamicCores.h 文件放在里面，再新建一个 lib 文件夹，把上面的 CudaDynamicCores.lib 文件放在里面，最后把 CudaDynamicCores.dll 文件放在你程序运行的路径下，也就是和你程序生成的 exe 文件在同一个目录下。
在 pro 文件中加入下面这两行，引入头文件和lib文件
2.测试
这样就可以使用dll中导出的接口函数了，使用下面的代码测试一下，mainwindow.h
#include "mainwindow.h"
#include "ui_mainwindow.h"
#include "CudaDynamicCores.h"
#include <iostream>
MainWindow::MainWindow(QWidget *parent)
: QMainWindow(parent)
, ui(new Ui::MainWindow)
{
ui->setupUi(this);
// 显示设备信息
CUDA_ShowDeviceProp();
// 两个向量相加
int a[5] = {1,2,3,4,5};
int b[5] = {3,4,2,3,5};
int c[5];
CUDA_VectorAdd(c,a,b,5);
std::cout << a[0] << ' ' << a[1] << ' ' << a[2] << ' ' << a[3] << ' ' << a[4] << std::endl;
std::cout << b[0] << ' ' << b[1] << ' ' << b[2] << ' ' << b[3] << ' ' << b[4] << std::endl;
std::cout << c[0] << ' ' << c[1] << ' ' << c[2] << ' ' << c[3] << ' ' << c[4] << std::endl;
}
MainWindow::~MainWindow()
{
delete ui;
}可以看到打印出来的结果，大功告成！
