Visual studio Visual Studio社区2017 cl.exe

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

在Windows系统上编译。实现这一点的主要方法是使用VisualStudio。因此，我已安装了。在此之后，我希望在

VC

目录中会有

bin

目录，如和等多个其他问题所示。然而，我需要深入到几个层次去寻找

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

这个特殊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。我是否真的需要将

cl.exe

文件嵌套在一起，还是错过了某种安装步骤？我期待着一条更短的路：

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

查找

VCVARSALL.BAT

——这通常处于更高的级别。如果您运行它，它会设置您的环境，这样您就可以在没有路径的情况下调用CL

---

此处的文档：

我不确定原因，但路径似乎没有更新。

---

请尝试从“visual studio 2017的开发者命令提示符”运行您的命令。

我在不同的上下文中遇到了此问题（Elixir/Phoenix，Rust），但根本原因是相同的：

cl.exe

在编译期间找不到

我的设置是：

• 视窗10，x64
• Visual Studio Community 2017已安装，但仅用于C#开发

出于某种原因，安装的解决方案（正如@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VisualStudio安装

我就是这样解决的：

启动VisualStudio安装程序

检查（屏幕截图）

编译前执行以下命令：

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

从此，命令

cl.exe

起作用。 或者（对于开发来说更方便）启动应用程序“”或“x64本机工具命令提示符VS 2017”

---

我有一个类似的问题，Visual Studio 2017无法找到x64配置的CL.exe或MIDL.exe。从VS命令提示符中可以找到这些文件，但从VisualStudio构建时无法找到（但它确实适用于x86）

当我打开构建输出到诊断的详细性（Tools=>Options=>Project&Solutions=>build&Run=>MSBuild Project构建输出详细性）时，我注意到在x64的“SetEnv”构建步骤中没有正确扩展路径。但无论我如何尝试重新安装VisualStudio、单个组件、sdk、运行时、注册表清理等，都没有解决问题（我几乎要重新安装Windows）

BU，然后我发现VisualStudioC++项目可能会从应用程序数据文件夹中导入“用户。道具”文件；这是项目文件中的此部分：

<ImportGroup Condition="'$(Configuration)|$(Platform)'=='Debug|x64'" Label="PropertySheets">
   <Import Project="$(UserRootDir)\Microsoft.Cpp.$(Platform).user.props" Condition="exists('$(UserRootDir)\Microsoft.Cpp.$(Platform).user.props')" Label="LocalAppDataPlatform" />
</ImportGroup>

$（UserRootDir）在我的电脑上计算为C:\Users[username]\AppData\Local\Microsoft\MSBuild\v4.0，我在其中找到了Microsofr.Cpp.xxx.user.props文件。正是这些文件具有旧路径（早期安装和其他工具的遗留）

---

因此，我的解决方案是删除AppData文件夹中的这些道具文件。

我尝试了Theo的配置Visual Studio的解决方案，但这对我不起作用。我正在Windows 10上运行Visual Studio Community 2017，CUDA Toolkit 10.0。准确地说，我进入了

C:\ProgramFiles（x86）\Microsoft Visual Studio\2017\Community\VC\Auxiliary\Build

并运行了

vcvarsamd64\u x86.bat

。我的PyCUDA仍然无法编译，因为未找到

cl.exe

最后，我在Visual Studio 2017上创建了一个测试CUDA项目（“文件”-->“新项目”），并在左侧选择了相应的CUDA

然后我构建了（Ctrl+Shift+B或转到“构建”-->“构建解决方案”）显示的示例（这是一个简单的向量加法，如下所示）

#包括“cuda_runtime.h”
#包括“设备启动参数.h”
#包括
cudaError\u t addWithCuda（int*c，const int*a，const int*b，unsigned int size）；
__全局无效addKernel（int*c，const int*a，const int*b）
{
int i=threadIdx.x；
c[i]=a[i]+b[i]；
}
int main（）
{
常数int arraySize=5；
常数int a[arraySize]={1,2,3,4,5}；
const int b[arraySize]={10,20,30,40,50}；
int c[arraySize]={0}；
//并行添加向量。
cudaError\u t cudaStatus=addWithCuda（c、a、b、arraySize）；
if（cudaStatus！=cudaSuccess）{
fprintf（stderr，“addWithCuda失败！”）；
返回1；
}
printf（{1,2,3,4,5}+{10,20,30,40,50}={%d、%d、%d、%d}\n），
c[0]，c[1]，c[2]，c[3]，c[4]）；
//必须在退出之前调用cudaDeviceReset，以便进行分析和
//跟踪工具，如Nsight和visualprofiler，用于显示完整的跟踪。
cudaStatus=cudadeviceset（）；
if（cudaStatus！=cudaSuccess）{
fprintf（stderr，“cudaDeviceReset失败！”）；
返回1；
}
返回0；
}
//辅助函数，用于使用CUDA并行添加向量。
cudaError\u t addWithCuda（整数*c、常数整数*a、常数整数*b、无符号整数大小）
{
int*dev_a=0；
int*dev_b=0；
int*dev_c=0；
cudaError\u t cudaStatus；
//选择要在哪个GPU上运行，在多GPU系统上更改此选项。
cudaStatus=cudaSetDevice（0）；
if（cudaStatus！=cudaSuccess）{
fprintf（stderr，“cudaSetDevice失败！是否安装了支持CUDA的GPU？”）；
转到错误；
}
//为三个向量分配GPU缓冲区（两个输入，一个输出）。
cudaStatus=cudamaloc（（void**）和dev_c，size*sizeof（int））；
if（cudaStatus！=cudaSuccess）{
fprintf（stderr，“cudamaloc失败！”）；
转到错误；
}
CUDA状态=
#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;
}