🍊前言

cuda以及cudnn的安装以及系统环境变量的配置默认已经做完。如果没有安装好配置好的，可以参考其他的博客。本博客只为记录在完成以上配置后，如何在vs端创建GPU编程的项目。

🐸方法一-CUDA Runtime生成

我们打开vs，点击创建新项目：

然后在右侧选择到cuda runtime，具体是什么版本 看你装的是什么版本 因人而异：

创建完毕后，软件会自动生成一段基于GPU编程的代码，运行之后如果能正常出结果，说明你的CUDA安装和CUDNN的安装与系统环境配置没有问题了：

运行这个.cu后缀名的代码，得到结果：

则说明我们的第一个CUDA编程的代码跑通了。

😝debug设置

我们创建完项目之后，正常运行没问题的话，就可以开始完成我们的GPU编程了，但在写代码的过程中，难免会遇到bug，这时候如果我们想通过打断点的方式去调试，程序却无法在断点处终止，而是每次都执行完毕，这是因为我们创建的项目默认给我们设置了无法debug的模式，我们只需要点击项目：

打开项目属性：

把红箭头指向的地方选择是。

这边也同样将选择的地方选择成是。

🍅方法二-空项目配置

创建好之后，我们右键项目名称，选择生成依赖项，再选择生成自定义：

勾选我们想要的CUDA版本。
点击空项目创建好项目之后，右键源文件，创建一个.cu为后缀名的代码文件：

名称自己随便定义。
右键点击刚才创建好的.cu后缀名的文件，选择属性，点击常规，在项类型中选择CUDA C/C++即可：

然后打开项目属性页，开始配置路径：
首先是包含目录：

然后是库目录：

然后是链接器的附加库目录：

然后，我们在桌面或者随便在哪个可以创建txt的地方，新建一个txt文件夹，命名为res.txt:

将这个txt复制到这个路径下：

打开终端，cd到这个路径里面，输入：

DIR *.lib /B > res.txt

然后我们再打开res.txt，则可以发现里面已经写入了这个路径下的所有lib依赖项的名字了。

然后我们复制所有的这些名称，拷贝到链接器-输入的附加依赖项中：

最后点击应用，然后确定。
最后记得将这两个位置设置成一样的：

设置debug的方式见方法一的最后。

🍉🍉🍉代码验证

这里我们准备一串基于GPU编程的代码：

#include <device_launch_parameters.h>
#include <cuda_runtime.h>
#include <iostream>
#include <cuda.h>
#include <vector>

using namespace std;

//基于GPU的矢量求和
#define N 10

__global__ void add(int* a_ptr, int* b_ptr, int* c_ptr)
{
	int tid = blockIdx.x;
	if (tid < N)
	{
		c_ptr[tid] = a_ptr[tid] + b_ptr[tid];
	}
}

int main()
{
	/*std::vector<int> a(N), b(N), c(N);
	int* a_ = &a[0], * b_ = &b[0], * c_ = &c[0];*/
	int a[N], b[N], c[N];
	int* a_ptr, * b_ptr, * c_ptr;

	//在CPU上分配内存
	cudaMalloc((void**)&a_ptr, N * sizeof(int));
	cudaMalloc((void**)&b_ptr, N * sizeof(int));
	cudaMalloc((void**)&c_ptr, N * sizeof(int));

	//在cpu上为数组赋值
	for (int i = 0; i < N; i++)
	{
		a[i] = -i;
		b[i] = i * i;
	}

	//将数组a和数组b复制到GPU上
	cudaMemcpy(a_ptr, a, N * sizeof(int), cudaMemcpyHostToDevice);
	cudaMemcpy(b_ptr, b, N * sizeof(int), cudaMemcpyHostToDevice);

	//N表示在执行核函数时使用的并行线程块的数量。
	add << <N, 1 >> > (a_ptr, b_ptr, c_ptr);

	//将运算结果从GPU拷贝到CPU
	cudaMemcpy(c, c_ptr, N * sizeof(int), cudaMemcpyDeviceToHost);

	//显示结果
	for (int i = 0; i < N; i++)
	{
		cout << a[i] << "+" << b[i] << "=" << c[i] << endl;
	}

	cudaFree(a_ptr);
	cudaFree(b_ptr);
	cudaFree(c_ptr);

	return 0;
}

运行之后可以得到结果：

则说明基于GPU编程的项目创建成功了。