Visual Studio社区2017 cl.exe

Question

我正在Windows系统上编译一些CUDA内核。据我所知，nvcc编译器需要使用cl.exe才能在Windows系统上编译。实现这一点的主要方法是使用Visual Studio。因此，我已经安装了free community edition。之后，我预计VC目录中会有bin目录，如this one和this one等多个其他问题中所示。然而，我需要深入几个层次才能找到

C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.10.25017\bin\HostX64\x64\cl.exe

这个特定的项目旨在制作一个可以在多个不同的Windows系统上编译和使用的程序。我真的需要将cl.exe文件嵌套在这里吗?还是我错过了这里的某种安装步骤？我期待的是一条更短的路径：

C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\bin\

最终，我需要一种尽可能简单的方法，让用户能够让他们的环境找到cl.exe文件。通常，这涉及(在最高级别)设置环境变量。

Answer 1

我在不同的上下文中遇到了这个问题(Elixir/Phoenix，Rust)，但根本原因是相同的:在编译过程中找不到cl.exe。

我的设置是：

已安装

• Windows10，x64
• Visual Studio社区2017，但仅适用于C#开发

由于某些原因，安装Visual C++ Build Tools的解决方案(如@cozzamara所建议的)不起作用。在安装过程中停止，并显示一些模糊的错误消息。我猜它不喜欢我现有的Visual Studio安装。

我是这样解决这个问题的：

在编译之前，启动Visual Studio Installer

• Check Desktop development with C++ (以下命令的屏幕截图：

C:\Program Files (x86)\Microsoft Studio\2017\Community\VC\Auxiliary\Build\vcvars64.bat

从这里开始，命令cl.exe起作用了。或者(更便于开发)启动应用程序'Developer Command Prompt for VS 2017‘或'x64本地工具命令提示符VS 2017’。

Answer 2

寻找VCVARSALL.BAT --这通常是在更高的级别。如果你运行它，它会设置你的环境，这样你就可以不带路径地调用CL了。

这里的文档：https://msdn.microsoft.com/en-us/library/f2ccy3wt.aspx

Answer 3

我尝试了Theo的配置Visual Studio的解决方案，但这对我不起作用。我在Windows 10 CUDA工具包10.0上运行Visual Studio Community 2017。准确地说，我访问了C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Auxiliary\Build并运行了vcvarsamd64_x86.bat。因为找不到cl.exe，所以我的PyCUDA仍然无法编译。

我最终在Visual Studio 2017上创建了一个测试CUDA项目(“文件”-->“新建项目”)，并在左侧选择了适当的CUDA。

然后我构建了(Ctrl+Shift+B或转到'Build'--> 'Build Solution')显示的示例(这是一个简单的向量加法，如下所示)。

#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];
}

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]);

    // 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;
    }

    return 0;
}

// Helper function for using CUDA to add vectors in parallel.
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;
}

当构建成功后，我查看了用于运行构建的命令，其中包含以下路径：C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.15.26726\bin\HostX86\x64。我将其添加到环境变量PATH中，现在我的PyCUDA可以工作了！(当我访问该路径时，我发现了一个cl.exe)

TL;DR

使用Visual Studio创建并构建CUDA项目。构建它。成功后，查看build命令并将其中的路径复制到PATH。