Ubuntu16.04+cuda8.0rc+opencv3.1.0+caffe+Theano+torch7搭建教程 - 博客频道 - CSDN.NET
分类：深度学习机器学习CaffeTheanoTorch
学习中用到深度学习的框架，需要搭建caffe、theano和torch框架。经过一个月的不懈奋战，终于搭建好了框架。现在分享简单的搭建过程，为后面要用到深度学习框架的同学节省时间，写了这个博客。因为框架的搭建过程会出现各种问题，不同的硬件（如笔记本、台式机）、不同的软件（如依赖库、编译器）和软件的版本（如编译器版本不同，编译框架时会找不到依赖库路径）之间有上百种组合，网络中遇到问题的情况可能与你的问题情况相同，但是解决办法就是解决不了你的问题。所以，要有耐心多百度、谷歌尝试解决方法，一定能够解决的（耗时长，很坑，但是收获颇多
233），教程仅供参考。博主正在游向岸边的路上，若有错误还请海涵，共同学习！
网上很多博客已经写了如何搭建的教程，因为搭建的过程中参考了很多博客和官方教程，所以在这里写下自己在笔记本上搭建的教程吧，适合随时在自己本上调程序的小伙伴们。先说一下我的本本型号：华硕的U303L，显卡NVIDIA GT840M（貌似不支持cudnn加速），其他详细配置请自行网上搜索。
第一部分 系统安装
版本Ubuntu16.04。这里省略安装过程，请自行网上搜索安装过程。
第二部分 显卡驱动和cuda8.0rc的安装
1、显卡驱动安装
我这里是运用ppa更新的最新驱动，使用起来能够得到挺好的体验，并能够实现双显卡的自由切换。
首先，通过快捷键Ctrl+Alt+T打开终端，然后加入官方ppa源：
$ sudo add-apt-repository ppa:graphics-drivers/ppa
需要输入用户密码，并确认链接源。之后刷新软件库并安装最新的驱动，在命令行输入：
$ sudo apt-get update
然后打开Ubuntu系统设置-》软件和更新-》附加驱动，选择最新版的显卡装有驱动，系统会自动安装好显卡驱动，然后重启系统便会切换到独显。网上好多是下载官方的显卡驱动很容易出现安装完无法登陆系统、登陆界面死循环、或者重启后黑屏。所以建议本方法。
安装成功后可以通过下面命令查看：（由于篇幅，截图省略）
$ nvidia-settings
2、cuda8.0rc安装与配置
cuda8.0rc下载请自行到官网下载，建议下载runfile(local)类型，下载完要进行md5校验，保证安装包不出问题。
后面用到的工具：（vim安装：终端输入$ sudo apt-get install vim 即可）
然后，退出GUI，也就是X-Win界面，操作方法是：同时按：CTRL+ALT+F1（F2-F6），切换到TTY1-6命令行模式。登陆root用户，关闭桌面服务：
# service lightdm stop
再输入以下指令：
# vim /etc/modprobe.d/blacklist.conf
在文件最后面，添加这句：
blacklist nouveau
重启，然后进入TTY1，登陆root用户：
# chmod +x cuda*.run
#获取文件权限
# ./cuda*.run
#执行文件安装
在选择条件的过程中，一定不要再次安装nvidia驱动，否则之前安装的显卡驱动就坏了。
特别注意：这里所有的编译都用Ubuntu自带编译器GCC和G++版本编译，不要进行降级，就不会导致后面编译caffe出现找不到依赖库的错误。等待cuda安装完成。
配置环境变量：
# vim /etc/profile
在文件末尾添加这句：
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存退出，按esc，再输入“:wq”即可。
输入命令：
# source /etc/profile
输入命令：
# vim /etc/ld.so.conf.d/cuda.conf
添加内容：
/usr/local/cuda/lib64
输入命令：
# ldconfig
cuda验证测试
测试cuda是否安装成功：
# cd /usr/local/cuda/samples
编译例子：
# make all -j2
(我的本本是双核CPU，所以-j2都用上加快编译速度)
运行编译可执行结果文件，cd到/usr/local/cuda/samples/x86_64/linux/release，输入：
# ./deviceQuery
最后测试通过
第三部分&OpenCV3.1.0安装与配置
首先安装必要的库，有的依赖库我是已经安装过的，具体安装的先后关系已经忘了。如果出现有些依赖关系不满足的错误，可以再安装库：
$ sudo apt-get -y remove ffmpeg x264 libx264-dev
$ sudo apt-get -y install libopencv-dev build-essential checkinstall cmake pkg-config yasm libtiff4-dev libjpeg-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libdc1394-22-dev libxine-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev x264 v4l-utils ffmpeg libgtk2.0-dev
根据官网上的链接下载OpenCV3.1.0版本，并进行解压，解压之后进入安装文件目录:
$ mkdir OpenCV
$ cd OpenCV
建立要编译的build目录，然后进入build目录进行编译：
$ mkdir build
$ cd build
$ cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_OPENGL=ON ..
在configure过程中过程中，可能会出现下面的错误：ICV: Downloading ippicv_linux_.tgz…
在直接下载该文件的过程中，会因为超时而失败，可以下载ippicv_linux_.tgz, 并替换掉 opencv-3.1.0/3rdparty/ippicv/downloads/linux-8b449a536a2157bcad08a2b9f266828b下的同名文件，然后再次cmake即可。生成编译文件之后，在opencv-3.1.0/build目录下，终端输入：
$ make -j2
$ sudo make install
安装好以后配置环境变量，使其生效：
$ sudo sh -c 'echo &/usr/local/lib& & /etc/ld.so.conf.d/opencv.conf'
$ sudo ldconfig
特别注意：这里所有的编译都用Ubuntu自带编译器GCC和G++版本编译，不要进行降级，就不会导致后面编译caffe出现找不到依赖库的错误。等待安装完成
编译opencv3.1.0时可能会出现trying to build v3.1 opencv with cuda support. standard cmake.&project of: opencv_cudalegacy not compile -- nppiGraphcut missing的报错，解决方法如下：
try this: in graphcuts.cpp (where your error is thrown) change this:
#include &precomp.hpp&
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)
#include &precomp.hpp&
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION &= 8000)
because graphcuts is not supported directly with CUDA8 anymore.
第四部分&Python安装和调试
python的安装有两种方式：一种是系统自带的python，只需再安装相应的库即可；第二种是直接安装anaconda，很多相应的库已经包含了。第一种直接安装库文件比较简单，不需要修改相应的包含路径和库文件。
第一种如下，第二种（略）：
首先通过下面的命令安装pip，pip是Python的一个安装和管理扩展库的工具。
$ sudo apt-get install python-pip
安装完毕之后，请输入ipython命令测试是否能正常启动。为了让IPython notebook工作，还还需要安装tornado和pyzmq：
$ sudo pip install tornado pyzmq pygments
$ sudo apt-get install libzmq-dev
使用iPyhthon NoteBook（基于浏览器的Python IDE），特别是适合需要用Python做教程的老师们，可以直接导出.py, .ipynb, html格式，安装步骤如下：
$ sudo ipython notebook
启动(自动打开浏览器)：$ ipython nootbook
通过apt-get命令可以快速安装这几个库：
$ sudo apt-get install python-numpy python-scipy python-matplotlib python-qt4 qt4-designer pyqt4-dev-tools python-qt4-doc spyder cython swig python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags ipython protobuf-c-compiler protobuf-compiler
第五部分 caffe的安装与配置
首先，安装caffe必要的库文件:
$ sudo apt-get update
$ sudo apt-get install build-essential cmake git pkg-config libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler libgflags-dev libgoogle-glog-dev liblmdb-dev python-dev
$ sudo apt-get install --no-install-recommends libboost-all-dev
执行完以上的语句之后，基本的依赖库就安装完成了
安装BLAS，使用如下的语句自动安装BLAS（当然，你可以选择其他的库） ，执行：
$ sudo apt-get install libatlas-base-dev
修改配置文件，进入到caffe的根目录，执行：
$ cp Makefile.config.example Makefile.config
打开makefile.config对其进行修改，makefile.config修改内容内容如下（未配置cudnn加速）：
&pre name=&code& class=&html&&注释第5行的 USE_CUDNN := 1
去掉注释第21行的 OPENCV_VERSION := 3
在 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include 后面添加 /usr/include /usr/include/hdf5/serial
在 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib 后面添加 /usr/lib/x86_64-linux-gnu/hdf5/serial
实现caffe对Python和Matlab接口的支持 PYTHON_LIB := /usr/local/lib
到这里，整个配置文件修改完毕，可以开始编译了，
$ make all -j2
$ make test -j2
$ make runtest -j2
编译Python用到的caffe文件
$ make pycaffe -j2
cuda8.0编译器问题，打开/usr/local/cuda/include/host_config.h&注释掉：error -- unsupported GNU version! gcc versions later than 5.3 are not supported!
结果如下：
#if __GNUC__ & 5 || (__GNUC__ == 5 && __GNUC_MINOR__ & 3)
//#error -- unsupported GNU version! gcc versions later than 5.3 are not supported!
#endif /* __GNUC__ & 5 || (__GNUC__ == 5 && __GNUC_MINOR__ & 1) */
caffe框架到此已安装完毕，尽情看源码吧！
第六部分 theano安装与配置
直接输入命令：$ sudo pip install theano
配置参数文件：.theanorc
在终端输入命令：
$ sudo vim ~/.theanorc
输入“i”进入insert模式。输入一下内容：
openmp=False
device=gpu
floatX=float32
allow_input-downcast=True
flags=-D_FORCE_INLINES
输入完毕，按‘Esc’退出，输入‘:wq’，回车。配置完成！
运行测试例子，新建一空白文档将以下代码复制进去，改后缀test.py：
from theano import function, config, shared, sandbox
import theano.tensor as T
import numpy
import time
vlen = 10 * 30 * 768 # 10 x #cores x # threads per core
iters = 1000
rng = numpy.random.RandomState(22)
x = shared(numpy.asarray(rng.rand(vlen), config.floatX))
f = function([], T.exp(x))
print(f.maker.fgraph.toposort())
t0 = time.time()
for i in range(iters):
t1 = time.time()
print(&Looping %d times took %f seconds& % (iters, t1 - t0))
print(&Result is %s& % (r,))
if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):
print('Used the cpu')
print('Used the gpu')
在终端运行
$ python test.py
可以看到结果如下，完成安装。
/usr/bin/python2.7 /home/hjimce/PycharmProjects/untitled/.idea/temp.py
Using gpu device 0: GeForce 840M (CNMeM is disabled, cuDNN not available)
[GpuElemwise{exp,no_inplace}(&CudaNdarrayType(float32, vector)&), HostFromGpu(GpuElemwise{exp,no_inplace}.0)]
Looping 1000 times took 0.302778 seconds
Result is [ 1... ..., 2..
Used the gpu
至此Theano环境 搭建完成
第七部分&char-cnn+torch 安装过程
安装Torch7 的依赖项
$ sudo apt-get install curl
$ curl -sk /torch/ezinstall/master/install-deps | bash
安装 torch distribution
$ git clone /torch/distro.git ~/torch --recursive
$ cd ~/ ./install.sh
执行下列命令，使得安装过程中被更改的PATH生效：
$ source ~/.bashrc
执行下列命令查看torch 是否安装成功:
$ totch.Tensor{1,2,3}
如果不使用torch，可以使用下列命令卸载：$&rm -rf ~/torch
可以使用luarocks命令安装其他的torch包：
$ luarocks install image
$ luarocks list
至此Torch 环境 搭建完成
运行char-cnn，安装必要的包：
$ luarocks install nngraph
$ luarocks install optim
参考资料（感谢网络博主的分享学习，共同进步）：
1、在Ubuntu中安装Python科学计算环境/
2、Ubuntu 15.10配置Caffe+Cuda7.5+Cudnn的详细过程
3、深度学习（四十一）cuda8.0+ubuntu16.04+theano、caffe、tensorflow环境搭建
4、Ubuntu16.04+matlab2014a+anaconda2+OpenCV3.1+caffe安装
5、Caffe & Theano安装教程——ubuntu16.04系统
6、char-cnn+torch+ubuntu16.04(RNN) 安装过程
排名：千里之外
（1）（1）（3）（2）（1）（1）（1）（1）后使用快捷导航没有帐号？
查看: 5297|回复: 13
GT640M安装了最新的NVIDIADisplayDriver304.48Win8_64驱动（无发现问题）
该用户从未签到
本帖最后由 osmin_chow 于
00:13 编辑
RT安装了304.48-notebook-win7-winvista-64bit-international-beta测试了几天没发现什么问题，驱动可以去NVIDIA官网下载！或是自带程序更新。虽然为beta版，但是应该无形有什么升级或修补吧GUPZ没变化。
未命名.jpg (35.49 KB, 下载次数: 22)
00:06 上传
Nvidia 304.48 - Beta 更新信息
GeForce GTX 560
Up to 5% in Battlefield 3 with SLI
BF3 with SLI升级5%性能
Fixes an intermittent vsync stuttering issue with GeForce GTX 600-series GPUs.
解决了gtx 600系列，开启垂直同步的卡顿问题
Alan Wake's American Nightmare -更改为差评
Max Payne 3 – 更新为优秀，更新了游戏兼容性信息，通知用户最好使用DirectX 11，禁用MSAA，使用SSAO。
Added NVIDIA Control Panel antialiasing support for Diablo III
增加Nvidia控制台对于大萝卜3的抗锯齿支持
Disabled FXAA for several Windows progra***ike Media Player and Movie Maker.
对于一些windows软件自动禁用FXAA，比如播放器和Movie Maker（不知道华文是什么名字...）
Includes support for applications built using CUDA 5 Preview or earlier version of the CUDA Toolkit.
增加对于使用CUDA 5 Preview或者更早版本制作的程序/游戏。
更多详情，抱歉目前 Release Notes的pdf文件打开不能...
推荐有开SLI玩BF3的560用户，或者使用600系列+开启垂直同步，感到卡顿的人
在全局设定开启FXAA的人更新。
更多可以看
该用户从未签到
PM个购买地址呗，楼主。给你留言都没回
该用户从未签到
nick198408 发表于
PM个购买地址呗，楼主。给你留言都没回
TB5498的应该就一个吧。这个...
该用户从未签到
osmin_chow 发表于
TB5498的应该就一个吧。这个...
该用户从未签到
osmin_chow 发表于
TB5498的应该就一个吧。这个...
该用户从未签到
nick198408 发表于
该用户从未签到
640还不算开普勒的吧
该用户从未签到
zhouming7593 发表于
640还不算开普勒的吧
该用户从未签到
osmin_chow 发表于
这样啊，不过超级本配独显不知道散热吃不吃得消
该用户从未签到
zhouming7593 发表于
这样啊，不过超级本配独显不知道散热吃不吃得消
完全没问题
该用户从未签到
osmin_chow 发表于
完全没问题
现在超级本散热这么给力啊，我以为轻薄点只能用核显呢
该用户从未签到
zhouming7593 发表于
现在超级本散热这么给力啊，我以为轻薄点只能用核显呢
这个本子做的不错
该用户从未签到
osmin_chow 发表于
这个本子做的不错
恩，给力的～下一台笔记本考虑超级本了，一个月多前买的4750，那时候太着急了，等等的话现在买ivy处理器的笔记本就给力了
该用户从未签到
zhouming7593 发表于
恩，给力的～下一台笔记本考虑超级本了，一个月多前买的4750，那时候太着急了，等等的话现在买ivy处理器的 ...
我就是一直在等第三代
该用户从未签到
我的Y480N安装这个驱动，显卡切换就出问题了，玩游戏都是集显了，悲剧
16年12月精华宗师
16年12月精华大师
acer M3 M5论坛
关注本友会
本友会微信公众号
VR微信公众号
benyouhui2012
今日推荐 /1
前两天发布了“本友会拆机大赛开始啦！拆拆更健康~”的活动，活动规则中规定所拆笔电在两年以内，看到许多本友的机龄都已超出无法参加活动，遂将活动规则稍作修改，对笔记本年龄的年龄要求不做限制，老机子也可以拆。
Powered byCUDA 8.0在win7上安装失败，显卡:NVIDIA GeForce GT 740M_cuda吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：572贴子：
CUDA 8.0在win7上安装失败，显卡:NVIDIA GeForce GT 740M收藏
3D双端东方魔幻网游「大青云」勾魂公测,穿越逆转,封神故事,全新演绎!
请问下各位有没有遇到这种情况，是不是显卡版本的问题？
你有安装好visual studio吗？
VS2010肯定不行，官网有cuda不同版本对应VS的表格，可以去查一下
楼主解决了吗，我安了Visual Studio 2008和Visual Studio 2013的，也是你这样！
安装的时候不要用默认安装，自定义安装，然后把driver勾选去掉，就可以安装成功了。。但是编译sample出问题。。。不知道为什么。
将显卡驱动更新至最新版本
楼主解解决了吗
登录百度帐号推荐应用
为兴趣而生，贴吧更懂你。或按照官网文档&&进行安装： 在windows7上安装cuda8.0/cuda7.5的系统需求：(1)、ACUDA-capable GPU(本机显卡为GeForce GT 640M)；(2)、A supported version of Microsoft Windows(Windows7 64位)；(3)、A supportedversion of Microsoft Visual Studio(已安装VS2013)；(4)、the NVIDIACUDA Toolkit。 安装cuda8.0: 1.&&&&&&下载cuda8.0和cudnn5.0: (1)、从&下载cuda_8.0.44_windows.exe (2)、从下载cudnn-8.0-windows7-x64-v5.0-ga.zip； 2.&&&&&&安装显卡驱动：从下载匹配的驱动，默认本机已安装； 3.&&&&&&安装cuda8.0：双击cuda_8.0.44_windows.exe直接进行安装即可，默认安装到C:\ProgramFiles\NVIDIA GPU Computing Toolkit目录下； 4.&&&&&&验证cuda8.0已正确安装： (1)、打开cmd，输入$ nvcc& -V，结果如下图： (2)、编译cuda8.0自带的samples：在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0目录下，用vs2013，打开Samples_vs2013.sln，在Release下，选中解决方案Samples_vs2013，重新生成解决方案，第一次编译会提示找不到”d3dx9.h”、”d3dx10.h”、”d3dx11.h”头文件，可从& 下载DXSDK_Jun10.exe，按照默认安装即可；然后重新打开Samples_vs2013,再编译即可,结果如下图: (3)、执行C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release目录下的deviceQuery.exe和bandwidthTest.exe： 第一次执行结果如下图，直接死机，强制关机，在网上查找原因说有可能是由于驱动导致： 接着恢复原始驱动，执行结果如下，驱动版本低导致： 后又从官方分别下载了几个版本的驱动，依然不行，最后又试着用驱动精灵装驱动，还是不行，有可能GeForce GT 640M不支持cuda8.0.先搁置cuda8.0，接着试着安装cuda7.5，看是否正常。&
安装cuda7.5： 1.&&&&&&下载cuda7.5(cuda_7.5.18_windows.exe)和cudnn5.0(cudnn-7.5-windows7-x64-v5.0-ga.zip)：注意，cuda8.0对应的cudnn5.0和cuda7.5对应的cudnn5.0是不一样的； 2.&&&&&&安装cuda7.5：双击cuda_7.5.18_windows.exe直接进行安装即可，默认安装到C:\ProgramFiles\NVIDIA GPU Computing Toolkit目录下； 3.&&&&&&验证cuda7.5已正确安装： (1)、打开cmd，输入$ nvcc& -V，结果如下图： (2)、编译cuda7.5自带的samples：在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5目录下，用vs2013，打开Samples_vs2013.sln，在Release下，选中解决方案Samples_vs2013，重新生成解决方案,结果如下图: (3)、执行C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5\bin\win64\Release目录下的deviceQuery.exe和bandwidthTest.exe，结果如下，一切正常： 4.&&&&&&安装cudnn5.0： (1)、解压缩：会生成cuda/include、cuda/lib、cuda/bin三个目录； (2)、分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5对应的include、lib、bin目录下即可。 cuda7.5和cudnn5.0就可以在机子上正常使用了。
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：2227678次
积分：24684
积分：24684
排名：第209名
原创：326篇
转载：144篇
评论：1415条
(3)(11)(8)(7)(16)(14)(12)(10)(5)(8)(4)(1)(3)(7)(7)(3)(2)(8)(2)(2)(8)(9)(10)(4)(4)(4)(5)(4)(4)(6)(9)(12)(1)(4)(11)(4)(5)(4)(1)(1)(3)(3)(2)(1)(2)(1)(1)(2)(3)(4)(1)(2)(2)(4)(2)(4)(2)(6)(2)(5)(4)(6)(11)(9)(1)(13)(16)(11)(12)(17)(4)(8)(17)(14)(14)(17)(2)(1)(2)win7+&VS2010安装CUDA7.0图文说明
win7+ VS2010安装CUDA7.0图文说明
查看本机配置，查看显卡类型是否支持NVIDIA GPU，选中计算机--&
右键属性 --&
设备管理器 --&
显示适配器：NVIDIA GeForce GT 610，从/cuda-gpus可以查到相应显卡的compute
capability；
从/Download/index.aspx?lang=cn下载合适驱动347.88-desktop-win8-win7-winvista-64bit-international-whql.exe
从/cuda-toolkit&&
根据本机类型下载相应的最新版本CUDA7.0安装；
4.按照/cuda/cuda-getting-started-guide-for-microsoft-windows/index.html#axzz3W8BU10Ol&
步骤，验证是否安装正确：
(1)、打开C:\ProgramData\NVIDIACorporation\CUDA
Samples\v7.0目录下的Samples_vs2010.sln工程，分别在Debug、Release
x64下编译整个工程；
(2)、编译过程中，会提示找不到”d3dx9.h”、”d3dx10.h”、”d3dx11.h”头文件，可以从/en-us/download/details.aspx?id=6812下载DXSDK_Jun10.exe，然后安装到默认目录下；再编译工程即可；
如果安装DXSDK_Jun10.exe出错，如下图
解决办法：
打开“控制面板”的“程序和功能”，果然计算机里之前有安装“Microsoft Visual C++ 2010
x86 Redistributable - 19”，而DXSDK_Jun安装的是“Microsoft
Visual C++ 2010 x86 Redistributable -
19”，版本低于本机已安装的版本，所以安装出现s1023错误。
卸载更高的版本“Microsoft Visual C++ 2010 x86 Redistributable
- 19”和“Microsoft
Visual C++ 2010 x64 Redistributable -
19”，再重新安装即可。
重新启动vs2010，即可编译通过。
(3)、打开C:\Program
Files\NVIDIA
Corporation\Installer2\CUDASamples_7.0.{658B19AF-1B62-4FD6-A2B7-9E653E4F2B7A}\bin\win64\Release目录，打开cmd命令行，将deviceQuery.exe直接拖到cmd中，回车，会显示GPU显卡、CUDA版本等相关信息，最后一行显示：Result
(4)、将bandwidthTest.exe拖到cmd中，回车，会显示Device0:
GeForce GT 610等相关信息，后面也会有一行显示：Result
= PASS；&&&&&&
配置VS2010
(1)、打开VS2010，新建工程，选win32，记得勾选”空项目“。
(2)、右键源文件-&添加新建项-&选择CUDA
C/C++File，名字任意了。
(3)、右键工程-&生成自定义-&勾选CUDA
(4)、右键main.cu-&属性-&项类型&
选择"CUDA C/C++"
(5)、右键工程-&属性-&链接器-&常规-&附加库目录-&添加目录$(CUDA_PATH_V7_0)\lib\$(Platform);
(6)、链接器-&输入-&附加依赖项
添加cudart.lib
(7)、在main.cu中加入代码，示例代码如下：
#include& stdio.h&&
#include "cuda_runtime.h"&
#include "device_launch_parameters.h"&
bool InitCUDA()&
cudaGetDeviceCount(&count);&
if(count == 0)&
&&&&&&&&&&&
fprintf(stderr, "There is no device.\n");&
&&&&&&&&&&&
for(i = 0; i & i++)&
&&&&&&&&&&&
cudaDeviceP&
&&&&&&&&&&&
if(cudaGetDeviceProperties(&prop, i) ==
cudaSuccess)&
&&&&&&&&&&&
&&&&&&&&&&&&&&&
if(prop.major &= 1)&
&&&&&&&&&&&&&&&
&&&&&&&&&&&&&&&&&&&
&&&&&&&&&&&&&&&
&&&&&&&&&&&
if(i == count)&
&&&&&&&&&&&
fprintf(stderr, "There is no device supporting CUDA
1.x.\n");&
&&&&&&&&&&&
cudaSetDevice(i);&
int main()&
if(!InitCUDA())&
&&&&&&&&&&&
return 0;&
printf("HelloWorld, CUDA has been initialized.\n");&
return 0;&
运行结果：
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。}