본 리포지토리는 한국기술교육대학교의 컴퓨터공학부 전공 과목 멀티코어프로그래밍 수업에서 제공하는 예제 코드를 Visual Studio Code에서 실행할 수 있도록 설정한 리포지토리이다.
리포지토리의 원본은 여기에 있다.
참고:
#include에 사용하는 경로나 헤더 가드 등 일부 요소가 변경되었으므로 참고 바람. CryptoImage 과제의 경우 외부 종속성으로 OpenCV 및 기타 런타임 라이브러리가 필요하므로 Visual Studio에서 교수님의 파일을 통해 실행하는 것을 권장합니다.
본 문서는 Visual Studio 및 Visual Studio Code가 이미 설치되어 있다는 가정하에 LLVM을 비롯한 기타 개발 도구를 설치하는 방법을 설명한다.
특히, 윈도우 환경에서 CUDA 환경 구축 시에는 Visual Studio에서 제공하는 컴파일러인 cl.exe가 필수로 요구된다.
깃허브에서 LLVM-MINGW를 다운로드한다.
윈도우 환경이므로 llvm-mingw-20220906-ucrt-x86_64.zip를 받으면 된다.
다운 받은 LLVM-MINGW 파일의 압축을 해제한다.
이때 아래 그림과 같이 폴더 안에 다시 동명의 폴더가 존재한다면, 해당 폴더를 사용한다.
(폴더를 들어갔을 때 LICENSE.TXT 등의 파일이 바로 나타나도록 한다.)
폴더를 적당한 위치로 옮긴다.
여기서는 C:\Program Files에 옮긴 경우를 가정하여 설명한다.
윈도우 키를 누른 후 환경 변수을 검색한다.
시스템 환경 변수 편집 -> 환경 변수로 들어간다.
시스템 변수의 새로 만들기를 눌러 아래와 같이 입력한다.
(변수 값은 앞서에서 설정한 경로로 한다.)
항목 값 변수 이름 LLVM_HOME 변수 값 C:\Program Files\llvm-mingw-20220906-ucrt-x86_64
시스템 변수에서 PATH 또는 Path 항목을 찾아 편집을 누른다.
새로 만들기를 눌러 아래와 같이 두 항목을 추가한다.
%LLVM_HOME%\bin %LLVM_HOME%\x86_64-w64-mingw32\bin
Win + R키를 눌러 실행 창을 띄워 cmd를 실행한다.
명령 프롬프트 창에서 아래와 같은 명령어 입력 시 다음과 같이 표시된다면 LLVM-MINGW 환경을 성공적으로 구축했다.
clang lldb quit
OpenMP를 사용하는 데 필요한 설치는 LLVM을 설치하고 구성하는 과정에서 이미 설치되었다.
(환경 변수로 설정했던 %LLVM_HOME%\x86_64-w64-mingw32\bin 경로에 필요한 파일이 존재한다.)
따라서 OpenMP에 대한 설치를 별도로 진행할 필요는 없다.
앞에서 실행했던 명령 프롬프트에서 아래와 같이 입력한다.
nvidia-smi
이때 상단에 CUDA Version에 표시되는 숫자가 해당 GPU에 적절한 CUDA 버전이다.
CUDA Toolkit Archive에서 위에서 확인한 버전의 CUDA Toolkit을 선택한다.
아래와 같이 현재 운영체제에 맞는 설정을 선택해 설치 파일을 다운받는다.
이후 다운 받은 설치 파일을 이용하 CUDA Toolkit을 설치하면 된다.
중간에 드라이버 버전과 관련하여 경고가 표시될 수 있으나 무시하고 설치하면 된다.
참고 링크
BeomBeomJoJo
앞에서와 마찬가지로 관련 명령을 실행할 수 있는지 확인한다.
nvcc
NVIDIA/cuda-samle에서 리포지토리를 zip파일로 다운로드 받는다.
다운로드한 압축 파일을 풀어 cuda-samples-master -> Common의 파일을 아래의 경로로 옮긴다.
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\include
위의 경로는 컴퓨터에 CUDA Toolkit이 설치된 위치에 따라서 달라질 수 있다.
특별히 설치 위치를 변경하지 않았으면 위 경로와 비슷한 경로에 설치되었을 것이므로 Program Files 폴더를 확인해보자.
Visual Studio의 좌측 메뉴에서 확장을 선택한다.
Microsoft에서 제공하는 C/C++ Extension Pack을 검색하여 설치한다.
Vadim Chugunov가 제공하는 제공하는 CodeLLDB을 검색하여 설치한다.
앞에서 LLVM에 대한 환경 변수를 설정한 것처럼 cl.exe에 대한 환경 변수를 설정하여 Visual Studio Code에서 실행할 수 있도록 한다.
아까와 같이 시스템 변수의 Path에 아래와 같이 값을 추가한다.
C:\Program Files\Microsoft Visual Studio\2022\Community\VC\Tools\MSVC\14.34.31933\bin\Hostx64\x64
위의 경로는 컴퓨터에 Visual Studio가 설치된 위치에 따라서 달라질 수 있다.
특별히 설치 위치를 변경하지 않았으면 위 경로와 비슷한 경로에 설치되었을 것이므로 Program Files 폴더를 확인해보자.
CMD에서 아래와 같이 표시된다면 성공적으로 환경 변수를 설정했다.
cl
본 리포지토리는 .vscode 폴더를 포함하므로 별도의 설정이 필요없다.
단, c_cpp_properties.json은 절대 경로를 이용하므로 별도의 조치가 필요하다.
{ "configurations": [ { "name": "Win32", "includePath": [ "${workspaceFolder}/**", "C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v12.1/include" ], "defines": [ "_DEBUG", "UNICODE", "_UNICODE" ], "compilerPath": "C:/Program Files/llvm-mingw-20220906-ucrt-x86_64/bin/clang.exe", "cStandard": "c99", "cppStandard": "c++17", "intelliSenseMode": "windows-clang-x64" } ], "version": 4 }
위의 내용에서 includePath와 compilerPath는 절대 경로를 사용하므로 자신의 컴퓨터 환경에 맞는 경로로 설정해야 한다.
includePath는 여기에서 설정했던 경로를, compilerPath는 여기에서 설정했던 경로를 참고하여 확인 및 변경하면 된다.
앞서 설정한 .vscode 폴더에는 tasks.json과 launch.json 파일이 있다.
tasks.json에는 프로그램을 실행하기 위해 실행 파일을 만드는 작업을 정의한다.
launch.json에는 프로그램을 실제로 실행하는 작업을 정의한다.
Visual Studio Code는 실행 파일을 만드는 작업을 위한 단축키는 기본으로 제공하지만, 이를 실행하는 단축키는 별도로 설정해야 한다.
(F5를 이용해 실행하는 것은 가장 최근에 사용했던 실행 방법을 사용한다. 즉, 여러 옵션 중 선택하여 실행할 수 없다.)
Ctrl + K, Ctrl + S를 눌러 단축키 설정에 들어간다.
selectandstart를 검색해 단축키를 할당한다.
여기에서는 Alt + \로 설정했지만 편한 키 조합을 설정하면 된다.
HelloOpenMP폴더의 HelloOpenMP.cpp 파일을 열어보자.
여기서 앞서 설정했던 단축키 Alt + \를 누르면 아래와 같은 메뉴가 나타난다.
LLDB: Clang++ 활성 파일 빌드를 선택해 실행해보자.
작업이 끝난 후 터미널 탭을 선택하면 아래와 같이 정상적으로 동작함을 확인할 수 있다.
LLDB: Clang++ 활성 파일 빌드는 현재 편집기에 열려 있는 파일 하나를 컴파일한다.
이는 단일 파일을 실행해보고 싶을 때나 OpenMP_Lecture1과 같이 main함수를 포함하는 다수의 파일이 한 폴더 내에 존재할 때 유용하다.
LLDB: Clang++ 활성 디렉토리 빌드는 현재 편집기에 열려 있는 파일이 존재하는 폴더 내의 모든 소스 코드를 컴파일한다.
이는 __Multiple_File_Example과 같이 한 폴더 내에 main이 존재하는 파일 하나와 다중 파일을 컴파일할 때 유용하다.
다음으로 CUDA_Lecture1의 HelloCUDA.cu 파일을 열어보자.
단축키 Alt + \를 눌러 CL/LLDB: CUDA 활성 파일 빌드를 선택한다.
작업이 끝난 후 터미널 탭을 선택하면 아래와 같이 정상적으로 동작함을 확인할 수 있다.
CUDA_MatrixAdd의 main.cpp와 같이 다중 파일로 구성된 폴더는 CL/LLDB: CUDA 활성 디렉토리 필드를 사용하면 된다.
작업이 끝난 후 터미널 탭을 선택하면 아래와 같이 정상적으로 동작함을 확인할 수 있다.
