构建指南
环境要求
- CUDA Toolkit 11.0+
- CMake 3.18+
- C++17 兼容编译器（GCC 7+, Clang 5+, MSVC 2017+）
- （可选） PyTorch >= 2.0.0，用于对比测试
使用 CMake Presets（推荐）
项目提供了预定义的 CMake Presets，简化构建流程：
# Debug 构建（含测试）
cmake --preset default
cmake --build --preset default
ctest --preset default
# Release 优化构建
cmake --preset release
cmake --build --preset release
# Release + fast math
cmake --preset release-fast-math
cmake --build --preset release-fast-math
# 最小构建（不含测试）
cmake --preset minimal
cmake --build --preset minimal
手动构建
mkdir build && cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
cmake --build . -j$(nproc)
指定 CUDA 路径
如果 CMake 找不到 CUDA，手动指定：
# Linux/macOS
cmake .. -DCUDAToolkit_ROOT=/usr/local/cuda \
-DCMAKE_CUDA_COMPILER=/usr/local/cuda/bin/nvcc
# Windows (PowerShell)
cmake .. -DCUDAToolkit_ROOT="$env:CUDA_PATH" `
-DCMAKE_CUDA_COMPILER="$env:CUDA_PATH\bin\nvcc.exe"
跨平台说明
- Linux: 共享库输出为
.so文件 - macOS: 共享库输出为
.dylib文件 - Windows: 共享库输出为
.dll文件
Python 测试脚本会自动检测平台并加载对应库文件。
构建选项
| 选项 | 默认值 | 说明 |
|---|---|---|
BUILD_TESTS |
ON | 构建 GoogleTest 测试套件 |
ENABLE_RAPIDCHECK |
OFF | 启用 RapidCheck 属性测试 |
BUILD_SHARED_LIBS |
ON | 构建共享库（供 C/C++ 使用；Python 集成测试会从 build/<preset>/ 查找产物） |
BUILD_EXAMPLES |
ON | 构建示例程序 |
ENABLE_FAST_MATH |
OFF | 启用 --use_fast_math（加速 expf/logf，精度略降） |
示例：
cmake .. -DCMAKE_BUILD_TYPE=Release \
-DENABLE_FAST_MATH=ON \
-DENABLE_RAPIDCHECK=ON
运行测试
# 使用 CMake Preset（推荐）
ctest --preset default --output-on-failure
# 或手动构建目录
ctest --test-dir build/default --output-on-failure
GoogleTest 通过 CMake FetchContent 自动下载，无需手动安装。
PyTorch 对比测试
确保以 BUILD_SHARED_LIBS=ON 构建，然后：
python tests/test_pytorch_comparison.py
该脚本会从 build/<preset>/（例如 build/default/、build/release/）查找共享库，并与 PyTorch 的标准注意力实现对比数值精度。也可以通过环境变量 CUFLASH_LIB 显式指定共享库路径。
目标 GPU 架构
默认构建支持以下 CUDA 架构：
| 计算能力 | 架构 | 代表 GPU |
|---|---|---|
| sm_70 | Volta | V100 |
| sm_75 | Turing | RTX 2080 Ti |
| sm_80 | Ampere | A100 |
| sm_86 | Ampere | RTX 3090 |
| sm_89 | Ada Lovelace | RTX 4090 |
| sm_90 | Hopper | H100 |
如需仅编译特定架构以加速构建：
cmake .. -DCMAKE_CUDA_ARCHITECTURES=86