配置VS2019 执行cu文件

我们知道C++，C这类的编程语言是为了让计算机执行我们的指令，确切一点是让计算机的cpu执行我们的执行，现在cuda编程则是要让显卡中的计算核心执行我们的指令；所以，cuda编程其实就是编写显卡中计算核心执行指令。为了区别于.cpp，.c这样的文件，我们取.cu后缀来指明当前的代码文件是给显卡用的；我们上面说了，.cu本质上还是写给CPU的，所以核函数其实也是C++函数的一种，只不过有一个特殊的限定词"__global__"，用以指明“这个C++函数，是用来调用显卡的！

一个.cu文件内既包含CPU程序（称为主机程序），也包含GPU程序（称为设备程序）。如何区分主机程序和设备程序？根据声明，凡是挂有“global”或者“device”前缀的函数，都是在GPU上运行的设备程序，不同的是__global__设备程序可被主机程序调用，而__device__设备程序则只能被设备程序调用。 CUDA程序文件后缀为.cu，有些编译器可能不认识这个后缀的文件，我们可以在VS的Tools->Options->Text Editor->File Extension里添加cu

Global Memory（全局内存）功能：GPU 的主内存区域，用于存储处理过程中的数据。关系：所有 SM 共享全局内存。L2 Cache（二级缓存）功能：为 GPU 提供一个大型、高速的缓存区域，用于存储频繁访问的数据。关系：为所有 SM 提供服务，优化访问全局内存的性能。功能：GPC 是处理图形和通用计算任务的高级单元。关系：包含多个 SM（Streaming Multiprocessors）。功能：SM 是 GPU 中的核心组件，用于并行执行线程。

（1）.cu文件可以定义cuda操作的基本流程，包括： 数据由host向device的传输、device进行的运算、数据由device向host的传输,函数定义包括核函数（__global__）、设备函数（__device__）和主机函数（__host__），内存分配和线程块儿分配 (2)定义头文件和库链接 .cu文件在采用nvcc编译时不需要包含CUDA头文件，.cpp用nvcc编译时需要明确增加头文件，用g++编译时需要明确链接一些CUDA库 （3）调用关系 大型工程，.cu文件编译形成动态或

VS2019+CUDA编程

在Visual Studio 2019的C/C++项目属性页中，常规（General）选项卡下的“附加包含目录”（Additional Include Directories）是用于指定额外的头文件包含目录的设置。通过在“附加包含目录”中添加路径，可以告诉编译器在这些路径中查找头文件。在项目属性中，将二进制输出目录（通常是“bin”目录）和库文件输出目录（通常是“lib”目录）添加到链接器的附加库目录中，是确保在链接过程中能够正确找到库文件的常见做法。

前言： 在VS2019执行cu文件，即cuda编程，需要按如下操作配置. 步骤： 1.生成自定义文件 项目->生成依赖性->生成自定义 2.配置cu文件 选择cu文件右键选择属性. 说明： 该操作可解决如下问题： 原文链接：https://blog.csdn.net/william_hehe/article/details/108719194 ...

在Visual Studio 2019的C/C++项目属性页中，常规（General）选项卡下的“附加包含目录”（Additional Include Directories）是用于指定额外的头文件包含目录的设置。在项目属性中，将库文件输出目录（通常是“lib”目录）添加到链接器的附加库目录中，是确保在链接过程中能够正确找到库文件的常见做法。// 在GPU上分配内存并将矩阵传输到GPU。// 初始化CUBLAS库。// 分配内存并初始化矩阵。// 销毁CUBLAS句柄。# 注意版本v11.3。

摘要：用户在使用VS2019编译含CUDA代码的静态库时遇到两个问题：1）CUDA代码未被VS识别（.cu文件显示灰色）；2）CUDA代码未被真正调用。解决方案分两步：首先通过重装CUDA Toolkit并勾选Visual Studio Integration组件解决识别问题；随后需在VS中正确配置CUDA编译环境，包括启用CUDA编译定制、设置.cu文件属性，并关键调整Code Generation参数以匹配显卡架构（如RTX3070需设为compute_86,sm_86）。最终通过验证CUDA环境正常运

CUDA“.cu”文件

首先cudaMalloc((void**)&d_x, M)创建GPU中的内存空间，然后cudaMemcpy(d_x, h_x, M, cudaMemcpyHostToDevice)将CPU数据传输到GPU中，然后调用核函数实现GPU中的计算，cudaMemcpy(h_z, d_z, M, cudaMemcpyDeviceToHost)将计算得到结果传回CPU。创建的数组是用来进行主机数据和GPU中的数据进行交换的，h_x,h_y,h_z是用来输入要计算的数字的，addCUDA是封装的GPU实现计算的函数。

VS2019利用Curl库实现HTTP网络通信（C++）；

编译环境：详情可参考“Visual Studio 2019 (vs2019) C++ 环境配置GDAL” 本资源包括gdal3.5.2资源以及其运行所依赖的库 编译过程 GDAL-3.5.2，PROJ-9.1.0，SQLite-3.44.2，tiff-4.6.0，curl-8.4.0_6-x86以及跨平台编译工具CMake-3.28.0。

通常先装vs后装cuda，cuda会自动集成到vs中。而如果先装cuda，后装vs则需要进行额外的配置。以下教程亲测可行。在此转载以备不时之需。

vs2013 CUDA .cu配置

解决Windows10+VS2019配置libtorch1.11.0+cu113后无法使用GPU问题

原文地址：http://www.haogongju.net/art/94989 CUDA C/C++关键字和函数高亮显示： 在上面HelloWorldCuda.cu文件中发现CUDA C/C++的关键字__global__等没有高亮显示，而且还有下划曲线。下面进行CUDA C/C++关键字和函数的语法高亮显示，配置Visual AssistX 函数高亮，代码提示等功能。 下面是关于代码高

说明：CU文件是CUDA部分，由nvcc编译器来编译的；C++或者C的部分就是由C或者C++的编译器编译，各自编译各自的部分。 注意： （1）一定先安装Visual Studio，再安装CUDA。 （2）CUDA7.5目前只支持Visual Studio2013 CUDA8.0 支持Visual Studio2015 所以安装的Visual Studio版本要与CUDA版本匹配 （3）