VS2022 CUDA环境配置
文章目录
安装准备新建项目
安装准备
配置Cuda环境主要分为以下几个步骤
安装VS 这个应该不用太说，直接装最新版安装CUDA 下载地址：Cuda Toolkit安装cuDNN 下载地址：cuDNN archieve
这个安装顺序非常重要，一定是先装VS后装CUDA Toolkit，否则CUDA不可能未卜先知地在VS目录中创建项目模板。
为了确认Cuda的安装版本，可在命令行中输入nvidia-smi，其返回值如下，表头中的CUDA Version便是Cuda版本，我这里是12.1，所以选择CUDA Toolkit 12.1.0，cuDNN选择最新的v8.8.1 for CUDA 12.x
>nvidia-smi
Sat Jul 29 14:45:59 2023
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 531.14 Driver Version: 531.14 CUDA Version: 12.1 |
|-----------------------------------------+----------------------+----------------------+
| GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=========================================+======================+======================|
| 0 NVIDIA GeForce RTX 4060 L... WDDM | 00000000:01:00.0 Off | N/A |
| N/A 39C P3 12W / N/A| 0MiB / 8188MiB | 0% Default |
| | | N/A |
+-----------------------------------------+----------------------+----------------------+
+---------------------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=======================================================================================|
| No running processes found |
+---------------------------------------------------------------------------------------+
返回结果如图所示
Cuda toolkit安装的第一步是解压，可以选择一个临时地址，直到NVIDIA安装程序的界面弹出后，才开始真正安装。在安装过程中，选择自定义可以自行选择安装路径，剩下没什么好说的，安装成功之后，在命令行中输入nvcc -V可返回版本呢信息。
>nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on Wed_Feb__8_05:53:42_Coordinated_Universal_Time_2023
Cuda compilation tools, release 12.1, V12.1.66
Build cuda_12.1.r12.1/compiler.32415258_0
cuDNN在安装时需要注册，下载完成后将压缩包中的三个文件夹解压到Cuda安装目录中，然后就能用了。
新建项目
安装成功之后，打开VS2022，就可以看到CUDA12.1的项目模板，点进去之后就能创建CUDA程序了
CUDA，或者说GPU的编程逻辑是，先将内存中的数组写入到显存中，然后再执行操作。
其自带的模板程序非常简单，就是对两个数组进行并行求和，用到的是一个自定义函数
__global__ void addKernel(int *c, const int *a, const int *b)
{
int i = threadIdx.x;
c[i] = a[i] + b[i];
}
但在具体调用时，用到了<<<>>>这个语法，表示GPU调用的线程块，示例程序在调用自定义函数addKernel时，用到了下面的代码，表示调用1个线程块，每个线程块中有5个线程。
//size=5
addKernel<<<1, size>>>(dev_c, dev_a, dev_b);