Arch Linux下编译C++ CUDA代码生成Windows .exe的最简方法及依赖解决

一、先搞定基础交叉编译环境 #

Arch上用mingw-w64工具链即可，先安装必要的包：

• 安装基础交叉编译工具：sudo pacman -S mingw-w64-gcc mingw-w64-cmake
• 确保mingw工具链路径（/usr/x86_64-w64-mingw32/bin/）在环境变量中，避免cmake找不到工具

二、处理SFML和TGUI的库文件 #

这两个库可以选择用预编译包或源码交叉编译：

方法1：用AUR预编译包（最快捷） #

Arch社区提供了mingw版本的SFML和TGUI，借助AUR助手（如yay）直接安装：

• 安装SFML：yay -S mingw-w64-sfml
• 安装TGUI：yay -S mingw-w64-tgui
  安装完成后，.lib文件存放在/usr/x86_64-w64-mingw32/lib/，.dll文件在/usr/x86_64-w64-mingw32/bin/，cmake会自动识别这些路径，无需额外配置。

方法2：源码交叉编译（适合版本定制） #

如果AUR包版本与项目需求不符，可自行编译：

1. 克隆SFML源码：git clone https://github.com/SFML/SFML.git
2. 创建交叉编译构建目录：mkdir sfml-mingw-build && cd sfml-mingw-build
3. 用mingw的cmake配置参数（生成动态库设BUILD_SHARED_LIBS=ON，静态库设OFF）：

x86_64-w64-mingw32-cmake .. \
    -DCMAKE_SYSTEM_NAME=Windows \
    -DCMAKE_BUILD_TYPE=Release \
    -DBUILD_SHARED_LIBS=ON

4. 编译并安装：make -j$(nproc) && sudo make install
   TGUI的编译步骤完全一致，克隆源码后用相同cmake参数构建即可，注意TGUI依赖SFML，需确保cmake能找到交叉编译好的SFML。

三、CUDA 12.8交叉编译的特殊配置 #

CUDA 12.8支持交叉编译Windows目标，但需要额外操作：

1. 确保已安装Linux版CUDA Toolkit 12.8，且nvcc可正常调用
2. 下载Windows版CUDA Toolkit 12.8（无需安装，直接解压到指定路径，如/opt/cuda-win64/）
3. 在CMake中指定CUDA交叉编译参数：
   • 启用CUDA语言：enable_language(CUDA)
   • 指定Windows CUDA根目录：set(CUDA_TOOLKIT_ROOT_DIR /opt/cuda-win64/)
   • 设置GPU架构（注意：需根据实际显卡型号调整，比如RTX30系列是86，RTX40系列是89）：set(CMAKE_CUDA_ARCHITECTURES 86)
   • 绑定mingw编译器给nvcc：

     set(CMAKE_CUDA_FLAGS "${CMAKE_CUDA_FLAGS} --compiler-bindir=/usr/x86_64-w64-mingw32/bin")
     set(CMAKE_CUDA_HOST_COMPILER /usr/bin/x86_64-w64-mingw32-g++)
     

4. 编译完成后，需将Windows CUDA包中的cudart64_12.dll（解压后的bin/目录下）复制到.exe所在目录，否则Windows无法运行程序。

四、CMakeLists.txt示例配置 #

以下是完整的CMake配置参考，修改项目名和源文件即可使用：

cmake_minimum_required(VERSION 3.27)
project(YourProjectName)

# 指定交叉编译目标为Windows
set(CMAKE_SYSTEM_NAME Windows)
set(CMAKE_C_COMPILER x86_64-w64-mingw32-gcc)
set(CMAKE_CXX_COMPILER x86_64-w64-mingw32-g++)
set(CMAKE_RC_COMPILER x86_64-w64-mingw32-windres)

# CUDA相关配置
enable_language(CUDA)
set(CMAKE_CUDA_COMPILER nvcc)
set(CUDA_TOOLKIT_ROOT_DIR /opt/cuda-win64/)
set(CMAKE_CUDA_ARCHITECTURES 86) # 根据你的GPU型号修改
set(CMAKE_CUDA_FLAGS "${CMAKE_CUDA_FLAGS} --compiler-bindir=/usr/x86_64-w64-mingw32/bin")
set(CMAKE_CUDA_HOST_COMPILER /usr/bin/x86_64-w64-mingw32-g++)

# 查找SFML和TGUI依赖
find_package(SFML 2.5 COMPONENTS system window graphics REQUIRED)
find_package(TGUI 0.10 REQUIRED)

# 添加可执行文件，包含CUDA源码
add_executable(YourProjectName main.cpp your_cuda_kernel.cu)

# 链接所有依赖库
target_link_libraries(YourProjectName PRIVATE 
    sfml-system sfml-window sfml-graphics
    TGUI::TGUI
    cudart
)

五、部署与验证 #

• 编译完成后，.exe文件位于构建目录的Release（或Debug）文件夹中
• 收集所有依赖的.dll：SFML、TGUI的.dll（从/usr/x86_64-w64-mingw32/bin/查找）、CUDA的cudart64_12.dll，以及mingw运行时.dll（如libstdc++-6.dll、libgcc_s_seh-1.dll）
• 将.exe和所有.dll放在同一目录，即可在Windows系统上运行

内容的提问来源于stack exchange，提问作者NeKon