配置和安装cuda开发环境
Windows搭建CUDA开发环境
Windows搭建CUDA开发环境CUDA(Compute Unified Device Architecture，统⼀计算架构）是由英伟达所推出的⼀种集成技术，向⽤户提供了可以很优雅地调⽤GPU进⾏并⾏计算的编程接⼝。
然⽽对于很多刚接触这门技术的⼈来说，怎么把⼀个简单的cuda程序跑起来却也是⼀个“说⼤不⼤，说⼩不⼩”的问题。
我⼤致整理出了在Windows上搭建cuda开发环境的⽅案，勉勉强强可以被当作⼀份参考。
此处我的⽬标主要为：完成对简单CUDA C程序的编译和运⾏。
当然，要搭建⼀个真实的cuda开发环境，得先确保⾃⼰电脑是⽀持cuda的。
（安装了英伟达显卡的应该都没问题）命令⾏编译⾸先去英伟达官⽹下载⼀个，然后安装上。
安装完成后，试试nvcc -V查看是否是否能正常使⽤nvcc，如果不能的话，去环境变量中检查⼀下类似C:\Program Files\NVIDIA GPUComputing Toolkit\CUDA\v11.1\bin\这样的值有没有被加到Path⾥，如果没有的话记得⼿动加⼀下（记得使⽤⾃⼰的真实的CUDA⼯具包的安装位置，不要直接复制我这⾥的）。
添加完成后记得要重新打开⼀个cmd或shell才能正常加载。
创建⼀个cuda程序hello.cu，参考程序附于⽂末；在当前⽬录使⽤nvcc -o hello hello.cu进⾏编译，如果⼀切正常，这个⽬录中将出现hello.exe, hello.exp, hello.lib这⼏个⽂件。
但通常来说，这⾥会出现找不到cl的情况。
如果没有安装Visual Studio的话，先安装⼀个找到cl.exe的位置，并将该⽬录加⼊到环境变量Path中，我这⾥给出⼀个参考：D:\Program Files (x86)\Microsoft VisualStudio\2019\Community\VC\Tools\MSVC\14.26.28801\bin\Hostx64\x64使⽤Visual Studio⾸先如果没有安装VC的话当然是需要先安装⼀个，⾄于安装的时候具体要选哪些模块，我现在也还不是很清楚，也没来得及去验证。
ffmpeg cuda 使用技巧
ffmpeg cuda 使用技巧在视频处理领域，FFmpeg 是一款功能强大的开源工具，而CUDA 则是NVIDIA 提供的并行计算平台和编程模型。
将FFmpeg 与CUDA 结合使用，可以充分利用GPU 的计算能力，大幅提高视频处理速度。
本文将为您介绍一些FFmpeg CUDA 的使用技巧，帮助您更好地发挥这一组合的潜力。
一、安装与配置1.确保您的系统已安装NVIDIA GPU 驱动程序，并支持CUDA。
2.安装FFmpeg，推荐使用源码编译安装，以便启用CUDA 支持。
3.编译FFmpeg 时，确保添加以下参数以启用CUDA 支持：```--enable-cuda --enable-cuvid --enable-nvenc```4.配置环境变量，确保CUDA 的路径已添加到`LD_LIBRARY_PATH` 和`PATH`。
二、使用技巧1.利用CUDA 加速解码使用FFmpeg 的`-hwaccel cuvid` 参数，可以启用CUDA 硬件加速解码。
例如：```ffmpeg -hwaccel cuvid -i input.mp4 -c:v h264_cuvid output.mp4```这将使用GPU 进行H.264 解码，提高处理速度。
2.使用CUDA 加速编码使用`-c:v h264_nvenc` 或`-c:v hevc_nvenc` 参数，可以启用NVIDIA GPU 的硬件加速编码。
例如：```ffmpeg -i input.mp4 -c:v h264_nvenc output.mp4```这将使用GPU 进行H.264 编码，提高编码速度。
3.利用CUDA 处理多路视频FFmpeg 支持使用CUDA 同时处理多路视频。
例如，将两个视频合成一个画面：```ffmpeg -i input1.mp4 -i input2.mp4 -filter_complex"[0:v]pad=iw*2:ih[bg];[bg][1:v]overlay=w" -c:v h264_nvenc output.mp4 ```这将使用CUDA 加速处理多路视频，提高合成速度。
浅析CUDA编译流程与配置方法
浅析CUDA编译流程与配置方法CUDA是一种并行计算编程平台和应用程序编程接口(API)，由NVIDIA公司开发而成。
它允许开发人员使用C/C++编写高性能的GPU加速应用程序。
CUDA编程使用了一种特殊的编译流程，并且需要进行相关的配置才能正确地使用。
本文将对CUDA编译流程和配置方法进行浅析。
CUDA编译流程可以分为以下几个步骤：1.源代码编写：首先，开发人员需要根据自己的需求，使用CUDAC/C++语言编写并行计算的代码。
CUDA代码中包含了主机端代码和设备端代码。
主机端代码运行在CPU上，用于管理GPU设备的分配和调度工作；设备端代码运行在GPU上，用于实际的并行计算。
2.配置开发环境：在进行CUDA编程之前，需要正确地配置开发环境。
开发环境包括安装适当的CUDA驱动程序和CUDA工具包，并设置相应的环境变量。
此外，还需要选择合适的GPU设备进行开发。
3.编译主机端代码：使用NVCC编译器编译主机端代码。
NVCC是一个特殊的C/C++编译器，它能够处理包含CUDA扩展语法的代码。
主机端代码编译后会生成可执行文件，该文件在CPU上运行，负责分配和调度GPU设备的工作。
4.编译设备端代码：使用NVCC编译器编译设备端代码。
设备端代码编译后会生成CUDA二进制文件，该文件会被主机端代码加载到GPU设备上进行并行计算。
在编译设备端代码时，需要根据GPU架构选择适当的编译选项，以充分发挥GPU性能。
5.运行程序：将生成的可执行文件在CPU上运行，主机端代码会将设备端代码加载到GPU上进行并行计算。
在程序运行期间，主机端代码可以通过调用CUDAAPI来与GPU进行数据传输和任务调度。
配置CUDA开发环境的方法如下：2. 设置环境变量：CUDA安装完成后，需要将相关的路径添加到系统的环境变量中。
具体来说，需要将CUDA安装目录下的bin和lib64路径添加到系统的PATH变量中，以便系统能够找到CUDA相关的可执行文件和库文件。
构建人工智能开发环境的步骤与指南
构建人工智能开发环境的步骤与指南引言：近年来，人工智能领域的快速发展与广泛应用，使得越来越多的人开始关注和投身于人工智能的研究与开发中。
构建一个高效、稳定的人工智能开发环境对于开发者而言尤为重要。
本文将介绍构建人工智能开发环境的步骤与指南，帮助读者快速搭建一个适合自己的开发环境。
第一部分：硬件设备选择与搭建构建人工智能开发环境的第一步是选择合适的硬件设备。
通常情况下，人工智能的训练与推理任务需要大量的计算资源，因此选择一台配置高的计算机或使用分布式计算平台是必要的。
1. 选择合适的计算机配置要想顺利进行人工智能开发，选择一台性能强劲的计算机是至关重要的。
强大的CPU和GPU是进行深度学习任务所必需的。
目前市场上常见的CPU有Intel和AMD等品牌，而NVIDIA的GPU在深度学习领域拥有广泛的应用。
根据自己的需求和预算，选择配置适当的硬件设备。
2. 分布式计算平台如果需要进行大规模的人工智能训练任务，使用一个分布式计算平台可能更加高效。
分布式计算平台可以将任务分解为多个子任务，并同时进行计算。
目前市面上有一些开源的分布式计算平台，如TensorFlow和PyTorch，可以根据自己的需求选择合适的平台。
第二部分：选择适当的开发工具与框架构建人工智能开发环境还需要选择合适的开发工具与框架。
开发工具与框架可以提供一系列的函数库和工具，使得开发人员更加高效地开发和调试人工智能应用程序。
1. 选择适当的开发工具在人工智能领域，Python是最常用的开发语言之一。
Python拥有丰富的科学计算库和人工智能框架，如NumPy、SciPy和scikit-learn等。
选择合适的开发工具可以大大提高开发效率。
2. 选择适当的人工智能框架人工智能开发的重要组成部分是选择合适的人工智能框架。
常见的人工智能框架有TensorFlow、PyTorch和Keras等。
不同的框架有着不同的特点和适用场景，根据任务的需求和个人喜好选择合适的框架进行开发。
cuda初始化过程
cuda初始化过程CUDA（Compute Unified Device Architecture）是一种并行计算框架，用于在NVIDIA GPU上执行通用计算任务。
CUDA初始化过程是使用CUDA进行开发和编程的第一步，本文将详细介绍CUDA初始化的过程。
一、安装CUDA开发环境要开始使用CUDA，首先需要在计算机上安装CUDA开发环境。
在安装CUDA之前，需要确保计算机上已经安装了适当的NVIDIA显卡驱动程序。
安装完成驱动程序后，可以从NVIDIA官方网站下载适用于自己操作系统版本的CUDA开发工具包。
二、检查CUDA安装安装完成后，可以通过命令行工具来检查CUDA是否正确安装。
在命令行中输入`nvcc -V`命令，如果显示出CUDA版本信息，则说明安装成功。
三、配置开发环境在安装完成后，需要配置一些环境变量以便正确使用CUDA。
首先，需要将CUDA的安装路径添加到系统的环境变量中。
具体操作方法是在系统的环境变量中添加一个名为`CUDA_PATH`的变量，并将其值设置为CUDA的安装路径。
另外，还需要将CUDA的库路径添加到系统的`PATH`变量中，以便编译和链接CUDA程序时能够找到所需的库文件。
四、编写CUDA程序完成环境配置后，就可以开始编写CUDA程序了。
CUDA程序主要由两部分组成：主机代码和设备代码。
主机代码运行在主机的CPU上，用于管理和控制CUDA程序的执行。
设备代码运行在GPU上，用于执行实际的并行计算任务。
在编写CUDA程序时，需要使用CUDA提供的API函数来进行相关操作。
常用的API函数包括`cudaMalloc`用于在设备上分配内存，`cudaMemcpy`用于在主机和设备之间进行数据传输，`cudaMemcpyHostToDevice`用于将数据从主机复制到设备，`cudaMemcpyDeviceToHost`用于将数据从设备复制到主机，以及`cudaFree`用于释放设备上的内存等。
cuda配置
cuda配置Visual Studio 2010 中CUDA 4.0的安装与配置安装环境：Win7 64位系统，Geforce GT 430显卡安装前提：Visual Studio 2010Visual Assist X安装步骤：1，Nvidia显卡驱动，装275.33版，这是最新版本驱动，初次安装为了少出错，最好安装⽐较新版本的驱动。
2，Cuda Toolkit 4.0安装，CUDA 4.0的新特性可以参见其Release Notes，其中包括了本⽂将要介绍的Thrust库。
3，CUDA Tools SDK 4.0安装，默认安装路径可能是C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK 4.0，记这个路径为SDK_PATH.4，Parallel Nsight 2.0安装，这个⼯具可以将GPU通⽤计算集成进Microsoft Visual Studio，能够对使⽤CUDA C，OpenCL, DirectCompute, Direct3D,和 OpenGL的应⽤程序进⾏调试和分析。
现在可以⽤VS打开CUDA SDK的例⼦了，在这之前，两个⼯具库可以先⽣成⼀下。
a.使⽤VS2010打开SDK_PATH \ c\common\cutil vs2010.sln，VS2010 选“Build|BatchBuild…”，“Select All”，⽣成所有配置需要的lib.如果遇到“Can not open sourcefile …”的错误，把⽂件夹的只读属性去掉。
⽬的：⽣成各配置需要的cutilxx[D].lib XX:32 /64 [D]debug模式lib存放的位置：SDK_PATH \ c\common\lib\(win32|X64)b.同上⽅法，打开SDK_PATH\share\ shrUtils_vs2010.sln 选“Build|Batch Build…”⽬的：⽣成各配置需要的shrUtilxx.lib XX:32 /64 [D]debug模式lib存放的位置：SDK_PATH\share\lib\(Win32|x64)注:这个项⽬编译时会提⽰有两个.cpp找不到，直接把他们从项⽬⾥移去即可。
windows安装cuda的方法
windows安装cuda的方法
CUDA是NVIDIA公司开发的一个并行计算平台和编程模型，可以让开发者使用GPU来加速应用程序的运算速度。
在Windows操作系统下，安装CUDA可以让开发者在本地环境中进行CUDA程序的编写和测试。
以下是安装CUDA的方法：
1. 下载CUDA安装包
从NVIDIA官网下载与自己显卡型号和操作系统版本相匹配的CUDA安装包。
2. 安装CUDA Toolkit
运行下载的CUDA安装包，按照提示完成安装。
3. 配置环境变量
在环境变量中添加CUDA的路径，以便在命令行中运行CUDA程序。
在系统变量中添加以下两个环境变量：
（1）CUDA_PATH：CUDA安装路径，例如“C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1”
（2）PATH：CUDA相关的路径，例如
“%CUDA_PATH%bin;%CUDA_PATH%libnvvp”
4. 安装显卡驱动
安装显卡驱动可以确保CUDA程序能够正常运行。
从NVIDIA官网下载与自己显卡型号和操作系统版本相匹配的显卡驱动程序，运行安装即可。
5. 验证CUDA安装成功
在命令行中输入“nvcc -V”，如果输出CUDA的版本信息，则表示CUDA安装成功。
现在，您已经完成了在Windows操作系统下安装CUDA的全部步骤，可以开始使用CUDA进行并行计算了。
CUDA环境配置总结
CUDA环境配置总结一、操作系统：（1）windows操作系统：1.windows xp：(1)win32_xp_ CUDA3.0_VS2010_配置指南-DOC(2)xp下vs2008 +cuda4.0配置(3)win32_xp_ CUDA3.0_VS2008_开发环境配置(4)xp_vs2008_MFC环境中CUDA2.3程序的配置与调试-PDF(5)win32_XP_CUDA_ vs2005_SDK&ToolKit2.3配置说明(6)VS2008+CUDA3.2在台式WINXP下的安装超详细步骤2.win7(1)Win7_x64_VS2010下配置CUDA 4.0(2)Win7_Visual Studio2010配置CUDA 4.0(3)Win7（x32）下配置CUDA3.2+VS2010(4)Win7_VS2008配置CUDA3.2手册-DOC(5)Win7_CUDA3.2_on_VS2008(6)Win7_x64_vs2008 _cuda2.3配置指南-DOC(7)Win7_32_基于Visual_Studio 2005_的CUDA3.2开发平台搭建-pdf(8)CUDA4.0 X32 + Windows7 32bit + Visual Studio2008+ Visual Assist安装指南(9)Win7_64_+Visual_Studio 2010_CUDA4.0+V AssistX 安装经验(10)win7_32_基于Visual Studio 2010 的CUDA4.0 环境配置(11)环境搭建：CUDA4.0+VS2010+Win7_32（2）linux操作系统：(1)CUDA 在linux系统上安装指南-PDF(2)CUDA_C_Getting_Started_Linux-pdf(3)linux集群安装与并行计算-pdf(4)Linux操作系统关于集群的安装与并行计算-txt(5)Linux_并行计算环境使用-pdf(6)Linux环境CUDA4.0入门：安装前的准备二、Cuda版本：Cuda4.0:(1)xp下vs2008 +cuda4.0配置(2)Win7_x64_VS2010下配置CUDA 4.0(3)Win7_Visual Studio2010配置CUDA 4.0(4)Win7_64_+Visual_Studio 2010_CUDA4.0+V AssistX 安装经验Cuda3.2:(1)Win7（x32）下配置CUDA3.2+VS2010(2)Win7_VS2008配置CUDA3.2手册-DOC(3)Win7_CUDA3.2_on_VS2008(4)Win7_32_基于Visual_Studio 2005_的CUDA3.2开发平台搭建-pdf(5)VS2008+CUDA3.2在台式WINXP下的安装超详细步骤Cuda3.0:(1)Win32_xp_ CUDA3.0_VS2010_配置指南-DOC(2)win32_xp_ CUDA3.0_VS2008_开发环境配置Cuda2.3:(1)xp_vs2008_MFC环境中CUDA2.3程序的配置与调试-PDF(2)win32_XP_CUDA_ vs2005_SDK&ToolKit2.3配置说明(3)Win7_x64_vs2008 _cuda2.3配置指南-DOC三、开发平台：Vs2010：(1)VS2010下配置CUDA 4.0（win7 x64）(2)Visual Studio2010配置CUDA 4.0(3)window7（x32）下配置CUDA3.2+VS2010(4)VS2010_CUDA3.0_xp x32配置指南-DOC(5)Win7_64_+Visual_Studio 2010_CUDA4.0+V AssistX 安装经验Vs2008：(1)VS2008配置CUDA3.2手册-DOC(2)XP下vs2008 +cuda4.0配置(3)CUDA3.2_on_VS2008(4)CUDA_VS2008_开发环境配置(5)vs2008_x64_cuda配置指南-DOC(6)xp_vs2008_MFC环境中CUDA程序的配置与调试-PDF(7)VS2008+CUDA3.2在台式WINXP下的安装超详细步骤Vs2005：(1)vs2005 cuda环境配置(2)基于Visual_Studio 2005_的CUDA3.2开发平台搭建-pdf（win7 x32）(3)CUDA_win32_XP_vs2005_SDK&ToolKit2.3配置说明(4)CUDA+VS2005环境配置及编译(5)CUDA3.1 X32 + Windows 7 32bit + Visual Studio 2005 + Visual assist安装指南CUDA软硬件环境简介-PDFCUDA开发环境配置。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
在windows下安装cuda硬件环境：cuda支持目前NV的市面上的绝大多数显卡，包括Tesla、Quadro、GeForce，只有少数早期的旧型号显卡不支持cuda。
详见/object/cuda_learn_products_cn.html软件环境：cuda可以在Windows（32/64）、Mac OS、Linux(32/64)中的大多数版本中安装。
在windows下，目前cuda只支持在 Visual Studio 7.x 系列、Visual Studio 8以及免费的 Visual Studio C++ 2005 Express。
所以需要预先安装以上软件中的任意一种。
下面我们以Visual Studio 2005 为例演示cuda的安装。
1、cuda安装包cuda是免费使用的，各种操作系统下的cuda安装包均可以在/object/cuda_get_cn.html上免费下载。
Cuda提供3个安装包，分别是：SDK, Toolkit和Display。
SDK包括许多例子程序和函数库。
Toolkit包括cuda的基本工具。
Display包括了NV显卡的驱动程序。
Toolkit是核心。
2、安装cuda2.1 安装cuda toolkit双击NVIDIA_CUDA_toolkit_2.0_win32.exe安装，安装完成后在安装目录下出现6个文件夹，分别是：Bin ：工具程序和动态链接库Doc ：相关文档Include ： header头文件包Lib ：静态库Open64 ：基于open64的cuda compilerSrc ：部分原始代码安装过程中toolkit自动设定了3个环境变量：CUDA_BIN_PATH、CUDA_INC_PATH和CUDA_LIB_PATH分别对应工具程序库、头文件库和程序库，预设路径为当前安装文件夹下的bin、include 和lib三个文件夹。
并将bin文件夹目录加入环境变量path中。
2.2 安装CUDA SDKSDK可以根据需要选择安装(推荐安装，因为SDK中的许多例子程序和函数库非常有用)。
2.3 安装 CUDA Display对于没有安装NV显卡的计算机，不需要安装Display安装包，程序也可以在模拟模式下运行。
3、在Visual Studio中使用cudaCUDA的主要工具是nvcc，它会执行所需要的程序，将CUDA程序编译并执行。
下面介绍了三种配置cuda nvcc的方法。
这里推荐使用第三种方法。
3.1、方法一（NV自带的修改模板方法）3.1.1、在CUDA SDK安装目录下的project目录下新建文件夹，命名为想要建立的工程名字，比如test。
并在project文件夹下找到SDK自带的template文件夹，将template 文件夹下所有的文件copy到test下。
3.1.2、将copy到test文件夹下的所有文件文件名中的template改为test。
test.sln与test.vcproj是vs 8系列的工程文件，test_vc7.sln与test_vc7.vcproj是vs 7系列的工程文件，可以根据自己Visual Studio的版本选择要更改的工程文件，其它两个可以删除。
在Visual Studio C++ 2005 Express中，可以将test_vc7.sln与test_vc7.vcproj删除。
3.1.3、将*.cu、*.sln和*.vcproj用记事本等文字编辑软件打开，使用查找替换功能将以上文件中所有的template改为test。
3.1.4、使用*.sln文件打开整个工程，可以任意更改代码，编译运行。
3.1.5、修改输出文件路径（可选，如不改变，可执行文件输出到上两级目录下的bin 目录中），如使用了CUDA SDK中的动态链接库，将相应的动态链接库拷贝到可执行文件的同一目录下。
总结：这种方法是NV公司为windows下使用vs编译cuda提供的标准方法（参见\SDK\doc\CUDA_SDK_release_notes_windows.txt），使用公司提供的模板更改为自己想要建立的工程，也可以参照以上方法，在SDK Project库中的找到与自己想建立工程相近的其它工程做更改。
但是费时费力，不推荐使用。
3.2、方法二（设定custom build tool执行cuda）3.2.1、首先建立一个win32 console 模式的 empty project，并建立一个新的源文件，此处以main.cu为例。
P1.建立一个win32 projectP2.设定为empty projectP3.建立main.cu3.2.2、在solution explorer 中main.cu上右键单击，选择property。
在打开的对话框中选择General，确定Tool的选项是Custom Build Tool。
P4.确认Tool选项3.2.3、选择Custom Bulid Step，在Command Line中分别设定模式参数(1)、Release 模式："$(CUDA_BIN_PATH)\nvcc.exe" -ccbin"$(VCInstallDir)bin" -c -DWIN32 -D_CONSOLE -D_MBCS -Xcompiler/EHsc,/W3,/nologo,/Wp64,/O2,/Zi,/MT -I"$(CUDA_INC_PATH)" -o$(ConfigurationName)\$(InputName).obj $(InputFileName)(2)、Debug 模式："$(CUDA_BIN_PATH)\nvcc.exe" -ccbin "$(VCInstallDir)bin"-c -D_DEBUG -DWIN32 -D_CONSOLE -D_MBCS -Xcompiler/EHsc,/W3,/nologo,/Wp64,/Od,/Zi,/RTC1,/MTd -I"$(CUDA_INC_PATH)" -o$(ConfigurationName)\$(InputName).obj $(InputFileName)P5.设定Command Line参数如果计算机中没有安装NV显卡，使用模拟模式，需增加两个额外的设定。
新建两个模式EmuRelease和EmuDebug。
P6.新建模式（1）P6.新建模式（2）对新建立的EmuRelease和EmuDebug的Command Line分别设定为：(1)、EmuRelease 模式："$(CUDA_BIN_PATH)\nvcc.exe" -ccbin"$(VCInstallDir)bin" -deviceemu -c -DWIN32 -D_CONSOLE -D_MBCS -Xcompiler /EHsc,/W3,/nologo,/Wp64,/O2,/Zi,/MT -I"$(CUDA_INC_PATH)" -o$(ConfigurationName)\$(InputName).obj $(InputFileName)(2)、EmuDebug 模式："$(CUDA_BIN_PATH)\nvcc.exe" -ccbin"$(VCInstallDir)bin" -deviceemu -c -D_DEBUG -DWIN32 -D_CONSOLE -D_MBCS-Xcompiler /EHsc,/W3,/nologo,/Wp64,/Od,/Zi,/RTC1,/MTd-I"$(CUDA_INC_PATH)" -o $(ConfigurationName)\$(InputName).obj$(InputFileName)3.1.4、对所有的设定模式，均在Custom Build Step的Outputs中加入$(ConfigurationName)\$(InputName).obj。
P7.设定Outputs3.2.5、右键单击project，选择Property，再选择Linker，对所有模式修改以下设定：(1)、General/Enable Incremental Linking：No(2)、General/Additional Library Directories：$(CUDA_LIB_PATH)(3)、Input/Additional Dependencies：cudart.libP8.设定Linker参数（1）P9.设定Linker参数（2）3.2.6 设置头文件路径Tools -> Options，弹出以下对话框将右边的下拉框选择Include Files，点击添加按钮，将C:\ProgramFiles\NVIDIA Corporation\NVIDIA CUDA SDK\common\inc选入到头文件搜索路径中。
3.2.7 选择链接库文件路径同上库头文件路径选择，将右边下拉框选择Library File，选择路径C:\ProgramFiles\NVIDIA Corporation\NVIDIA CUDA SDK\common\lib。
3.2.8、完成，可以编写cuda程序，并直接编译执行了（编译方式于C++相同）总结：这种方法不需要借助模板，也不需要使用第三方的软件。
但是这种操作复杂，而且仅对配置的单个project有效。
如果重新建立一个project又要重新配置一遍。
故不推荐使用。
需要注意的是，当需要使用CUDA SDK中的动态链接库（以dll为后缀）时，将动态链接库和生成的可执行文件放在同一个路径下。
P10.完成3.3、方法三（使用CUDA_VS_Wizard执行cuda）3.3.1、解压CUDA_VS_Wizard并安装。
3.3.2、将CUDA SDK安装目录下的bin\win32文件夹下的四个文件夹（Debug, EmuDebug, Release, EmuRelease）的路径全部加入环境变量中的path变量中。
3.3.3、使用vc直接建立工程。
在工程选项里选择CUDAWinApp。
3.4.4、如果是在模拟模式下运行，需要在解决方案中右键属性，在Configuration Properities 中将Configuration 设置为Emu模式。
P14.模拟模式设置（1）P15.模拟模式设置（2）3.3.5、完成。
总结：这种方法虽然使用了第三方的工具，但只需要配置一次即可，而且配置简单，以后每次建立cuda程序都可以直接生成。