mmcv 提供中使用 CUDA 算子作为 Pytorch 扩展。
并且提供了 Python 层的对 CUDA Kernel 的单元测试。
为了对更小的函数进行单元测试，尝试将 CUDA 文件单独从仓库中分离出来。
参考这个仓库。
但是 cuda 代码中使用了 Pytorch C++ 依赖。
mmcv 中使用的是 setuptools 进行的编译，但是使用 cmake 一直没有配置成功。
于是使用 libtorch 进行依赖代替。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
| project(cuda_gtest_plugin_examples)
cmake_minimum_required(VERSION 2.8)
set(CMAKE_PREFIX_PATH $ENV{LIBTORCH_PATH})
set( CUDA_ARCH "sm_86" CACHE STRING "CUDA architecture to compile for" )
set( GTEST_HOME $ENV{GTEST_HOME} CACHE FILEPATH "Path to gtest root directory (assumes libgtest.a is placed in $GTEST_HOME/build)" )
SET(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -pthread")
include_directories( ${GTEST_HOME}/googletest/include )
link_directories( ${GTEST_HOME}/build/lib )
find_package(PythonInterp REQUIRED)
find_package(CUDA REQUIRED)
find_package(Torch REQUIRED)
set( CUDA_NVCC_FLAGS "${CUDA_NVCC_FLAGS} -arch=${CUDA_ARCH}
-D__CUDA_NO_HALF_OPERATORS__ -D__CUDA_NO_HALF_CONVERSIONS__ -D__CUDA_NO_HALF2_OPERATORS__
-D_GLIBCXX_USE_CXX11_ABI=1 -lpthread" )
cuda_add_executable(example_cuda_gtest main.cc src/example_test.cu)
target_link_libraries(example_cuda_gtest pthread)
target_link_libraries(example_cuda_gtest libgtest.a ${TORCH_LIBRARIES})
cuda_add_executable(convex_gtest main.cc src/convex_test.cu)
target_link_libraries(convex_gtest pthread)
target_link_libraries(convex_gtest libgtest.a ${TORCH_LIBRARIES})
|
发现使用 vscode 的 cmake-tools 插件可以进行 debug。看命令好像使用的是 gdb。
