因为课程学习需要，配置英伟达的cuda环境做高性能计算的测试。
1.cuda的安装
首先要去英伟达的d88尊龙官网手机app官网下载安装cuda，安装路径可以自由选择，但是为了方便操作建议直接全部默认安装。
可以现在命令行执行nvidia-smi.exe查看目前显卡支持的最高cuda版本，右上角的cuda version就是我们要确认的版本，下载的cuda不应该比这个版本新。
cuda下载入口：
进去后选择对应的平台和版本
2.检查环境配置
正常情况下安装完成后是会自动配置环境变量的，但是为了保险我们还是去命令行看一下
执行nvcc -v，若可以正常显示版本号等信息，说明正常安装。
3.配置vscode
cuda编程用的是.cu文件，我这里为了操作简单用了coderunner插件，配置.cu文件的编译
点击小齿轮选择扩展设置
我们直接在settings.json中编辑
在"code-runner.executormap": {}中加入cu文件的编译语句
"cu": "cd $dir; nvcc $filename -o $filenamewithoutext.exe -i'c:\\program files\\nvidia gpu computing toolkit\\cuda\\v11.7\\include\\cl' && $dir$filenamewithoutext", //请设置和你的安装路径一致的地址
然后我们在.cu文件的右上角点击运行符号选择用coderunner运行
下面是一个测试小程序
#include#include __global__ void add(int n, float *x, float *y) { for (int i = 0; i < n; i ) y[i] = x[i] y[i]; } int main(void) { int n = 1<<25; float *x, *y; cudamallocmanaged(&x, n*sizeof(float)); cudamallocmanaged(&y, n*sizeof(float)); for (int i = 0; i < n; i ) { x[i] = 1.0f; y[i] = 2.0f; } add<<<1, 1>>>(n, x, y); cudadevicesynchronize(); float maxerror = 0.0f; for (int i = 0; i < n; i ) maxerror = fmax(maxerror, fabs(y[i]-3.0f)); std::cout << "max error: " << maxerror << std::endl; cudafree(x); cudafree(y); return 0; }
正常运行结果如下
这里可能会返回一个错误，大意是在path找不到cl.exe
如果是这个情况我们可以添加一个path系统环境变量
c:\program files\microsoft visual studio\2022\community\vc\tools\msvc\14.33.31629\bin\hostx64\x64 //注意这里要找到你电脑上的visual studio安装路径，找到这个文件，bin目录下面可能有两个文件夹，但是cuda运行一定要选择x64
然后重启你的vscode，再用coderunner就能正常运行啦
