# cucon

**Repository Path**: graviton/cucon

## Basic Information

- **Project Name**: cucon
- **Description**: cuda cpp conan
- **Primary Language**: C++
- **License**: LGPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-08-28
- **Last Updated**: 2025-10-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# CUCon - C++/CUDA 混合编程项目

本项目是一个基于 C++ 和 CUDA 的混合编程示例项目,
演示了如何在现代 CMake 项目中集成 CUDA 开发, 并使用 Conan 进行第三方库依赖管理.

## `__declspec(dllexport)`, `__attribute__((__visibility__("default")))`

+ 控制 动态库 符号导出的 头文件, 例如 `common_export.h`, 由 CMake 自动生成
+ 统一放在 `export_headers/` 目录下面.


## 项目特点

- **C++/CUDA 混合编程**: 展示如何在同一项目中混合编写 C++ 和 CUDA 代码
- **跨平台支持**: 支持 Windows 和 Linux 平台
- **现代 CMake**: 使用现代 CMake (3.18+) 构建系统
- **Conan 依赖管理**: 使用 Conan 管理第三方库依赖
- **示例代码**: 包含设备信息检测, CUDA 自定义类型测试等示例

## 环境要求

### 通用依赖

- Conan 1.50+ 或 2.0+
- CMake 3.18 或更高版本
- Ninja 构建系统

tools CMake 和 ninja 也可以由 conan 自行拉取并build.

### Windows 平台

- Visual Studio 2022(MSVC 编译器)
- NVIDIA CUDA Toolkit 11.0+(支持你的 GPU 架构)

### Linux 平台

- GCC 8 或更高版本(当前服务器为 CentOS 8.4.2105)
- NVIDIA CUDA Toolkit 11.0+

## 安装依赖

本项目使用 Conan 管理第三方库依赖. 在构建项目之前, 需要安装项目依赖:

```bash
# 进入项目根目录
cd /path/to/cucon

# 安装依赖(Windows Debug)
conan install . --build=missing -pr ./ninja_cl_debug

# 安装依赖(Windows Release)
conan install . --build=missing -pr ./ninja_cl_release

# 安装依赖(Linux Debug)
conan install . --build=missing -pr ./gcc8_debug

# 安装依赖(Linux Release)
conan install . --build=missing -pr ./gcc8_release
```

## 构建项目

### Windows 平台(MSVC + Ninja)

打开 powershell

```bash
#------------------ Debug 构建
# 假设已经按上述 conan 安装了 debug 依赖
# 激活 conan debug build 环境
. build/Debug/generators/conanbuild.ps1
cmake --preset conan-debug
ninja -C build/Debug

#------------------ Release 构建
. build/Release/generators/conanbuild.ps1
cmake --preset conan-release
ninja -C build/Release


cmake --preset conan-relwithdebinfo --log-level=VERBOSE
```

### Linux 平台(GCC + Ninja)

```bash
#------------------ Debug 构建
. build/Debug/generators/conanbuild.sh
cmake --preset conan-debug
ninja -C build/Debug

#------------------ Release 构建
. build/Release/generators/conanbuild.sh
cmake --preset conan-release
ninja -C build/Release
```

## 运行项目

构建完成后, 可执行文件将位于以下目录:

- **Win/Linux**: `bin/Debug/` 或 `bin/Release/` 目录下(根据构建类型)

运行示例:

```bash
# Windows
cd bin/Debug
.\cucon.exe

# Linux
cd bin/Debug  # 或 cd bin/Release
./cucon
```

## 项目结构

```
cucon/
├── cmake/           # CMake 模块和自定义脚本
├── include/         # 头文件
├── src/             # 源代码(.cpp 和 .cu 文件)
├── CMakeLists.txt   # 主 CMake 构建文件
├── conanfile.py     # Conan 依赖配置文件
└── README.md        # 项目说明文档
```

## 测试示例

项目包含以下测试示例:

- **DeviceInfoTest**: 检测 CUDA 设备信息
- **TeAdd**: 简单的 CUDA 加法运算示例
- **CustomTypesTest**: 自定义 CUDA 数据类型(Vector3, Matrix4x4, ListNode)示例

## 自定义构建配置

### Conan 配置文件

项目提供了以下 Conan 配置文件(profile):

- `gcc_debug`: Linux GCC Debug 构建配置
- `gcc_release`: Linux GCC Release 构建配置
- `cl_debug`: Windows MSVC Debug 构建配置
- `cl_release`: Windows MSVC Release 构建配置

你可以根据需要修改这些配置文件或创建新的配置文件.

### CMake 配置

CMake 相关配置位于 `cmake/` 目录下, 主要包括:

- `mypath.cmake`: 设置输出目录, 安装路径等
- `mycuda.cmake`: CUDA 相关配置
- `myfind.cmake`: 查找第三方库

## 注意事项

1. 确保已正确安装 NVIDIA CUDA Toolkit 并配置好环境变量
2. 在 Linux 平台上, 确保 GCC 版本与 CUDA Toolkit 版本兼容
3. 如果遇到构建问题, 可尝试删除构建目录并重新执行安装和构建命令
4. 项目使用 spdlog 和 fmt 库进行日志和格式化输出

## License

[在此添加许可证信息]