Loading ...根据第二节的介绍，matlab中可以通过mex文件的方式编译C/C++代码，但是对于.cu文件则无能为力。为了解决这个问题，NV的工程师们开发了用于编译cu文件的脚本，下面进行详细介绍。 测试环境：vs2005, matlab 7.6(r2008a), cuda 2.3 首先在NV的网站http://developer.nvidia.com/object/matlab_cuda.html下载matlab的插件包，并解压，共有4个重要文件：
nvmex.m
nvmex_helper.m
nvmexopts.bat
.\bin\nvmex.pl
首先将nvmex.pl拷贝到matlab的安装目录中的bin目录下，例如笔者的系统中就拷贝到C:\MATLAB\bin中。 下面编写cu文件，我们仍以两个矩阵相加为例，具体流程见代码注释。从代码中可看到，同时使用了matlab函数和cuda函数，并在GPU中完成了两个矩阵相加。完成addMatrix.cu的编写后，需要对其进行编译。 首先将nvmex.m,nvmex_helper.m,nvmexopts.bat拷贝到addMatrix.cu文件所在目录，并设置为matlab的当前目录。
- 在matlab命令窗口中运行: nvmex -setup，选择编译器，此处选择vs2005。
- 编辑nvmexopts.bat，修改其中的VSINSTALLDIR选项，指定为vs2005的安装目录，如笔者的系统中： C:\Program Files\Microsoft Visual Studio 8
- 编译命令： nvmex -f nvmexopts.bat addMatrix.cu -IC:\cuda\include -LC:\cuda\lib –lcudart
编译成功后，在matlab中即可像常规函数一样使用addMatrix函数。 可能会遇到的问题：
- 目录设置：需要仔细按照上述步骤设置好相关目录
- 编译时出现未定义的变量及结构，如_wchar等，则可更新nvmex.pl和nvmexopts.bat来解决。下载链接
/******************************************************************** filename: addMatrix.cu file ext: cu author: wy@gpgpu.org.cn purpose: test matlab with cuda by nvidia's nvmex *********************************************************************/ #include "mex.h" #include "cuda.h" /* Kernel*/ __global__ void addMatrix(float* pfC, float* pfA, float* pfB, int M, int N) { int x = blockIdx.x*blockDim.x + threadIdx.x; int y = blockIdx.y*blockDim.y + threadIdx.y; if (x >= M || y >= N) { return; } int index = y*M + x; pfC[index] = pfA[index] + pfB[index]; } void mexFunction( int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[]) { int i, mA, nA, mB, nB; double *A, *B, *C; /* 输入变量检查 */ if (nrhs != 2) mexErrMsgTxt("输入参数必须为2个"); if (nlhs != 1) mexErrMsgTxt("输出参数必须为1个"); mA = mxGetM(prhs[0]); nA = mxGetN(prhs[0]); mB = mxGetM(prhs[1]); nB = mxGetN(prhs[1]); if (mA != mB || nA != nB) mexErrMsgTxt("输入矩阵尺寸必须相同"); /*为输出结果分配内存*/ plhs[0]=mxCreateDoubleMatrix(mA,nA,mxREAL); /*获取数据指针*/ A = mxGetPr(prhs[0]); B = mxGetPr(prhs[1]); C = mxGetPr(plhs[0]); float* d_pfA = NULL; float* d_pfB = NULL; float* d_pfC = NULL; /* 在GPU中分配显存 */ cudaMalloc( (void **) &d_pfA,sizeof(float)*mA*nA); cudaMalloc( (void **) &d_pfB,sizeof(float)*mA*mA); cudaMalloc( (void **) &d_pfC,sizeof(float)*mA*mA); /*创建一个单精度float缓存区*/ float* pfSwap = (float *) mxMalloc(sizeof(float)*mA*nA); /* 检查输入矩阵A的精度，并假设A, B, C精度相同*/ mxClassID category = mxGetClassID(prhs[0]); if (category == mxSINGLE_CLASS) { cudaMemcpy(d_pfA, A, sizeof(float)*mA*nA, cudaMemcpyHostToDevice); cudaMemcpy(d_pfB, B, sizeof(float)*mA*nA, cudaMemcpyHostToDevice); } else if (category == mxDOUBLE_CLASS) { for (i=0; i < mA*nA; i++) { pfSwap[i] = (float) B[i]; } cudaMemcpy(d_pfB, pfSwap, sizeof(float)*mA*nA, cudaMemcpyHostToDevice); } /*此处也可以将块的配置作为参数传入*/ dim3 db,dg; db.x = 128; db.y = 4; dg.x = mA/db.x; dg.y = mB/db.y; if (mA % db.x > 0) dg.x += 1; if (nA % db.y > 0) dg.y += 1; /*调用Kernel函数*/ addMatrix<<<dg,db>>>(d_pfC, d_pfA, d_pfB, mA, nA); /*将计算结果拷贝到临时分配的内存中*/ cudaMemcpy(pfSwap, d_pfC, sizeof(float)*mA*nA, cudaMemcpyDeviceToHost); /*将计算结果赋值给matlab缓存中*/ for (i=0; i < mA*nA; i++) { C[i] = (double)pfSwap[i]; } mxFree(pfSwap); cudaFree(d_pfA); cudaFree(d_pfB); cudaFree(d_pfC); return; }
