一.安装CUDA5.5以及配置VS助手
1、安装之前必须确认自己电脑的GPU支持CUDA。在设备管理器中找到显示适配器（Display adapters)，找到自己电脑的显卡型号，如果包含在http://www.nvidia.com/object/cuda_gpus.html的列表中，说明支持CUDA。
安装CUDA之前最好检查一下自己电脑的显卡驱动版本，版本过老的话，需要更新。有时候安装完毕CUDA之后，运行6中的deviceQuery程序时会出错，请优先考虑显卡驱动的问题。
2、下载NVIDIA CUDA Toolkit （ http://www.nvidia.com/content/cuda/cuda-downloads.html），本人下载的是desktop版本win64
CUDA5.0以上已经将ToolKit和SDK等整合在了一起，因此只需下载一个安装文件即可。
3、首先确认自己已经安装Visual Studio 2010 后再安装助手Visual Assist X。这里Visual Assist X 对于使用CUDA 不是必须的，但为了使程序编写更为方便，这里推荐安装。
4、CUDA的默认安装目录为：C:\Program Files\NVIDIA GPUComputing Toolkit\ 这里推荐使用默认的安装路径，不需更改。
5、安装完成后，在系统变量环境里面会发现新添加了两个环境变量
CUDA_PATH
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.5
CUDA_PATH_V5_5
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.5
且在系统变量的path也会自动添加
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v5.5\bin;C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v5.5\libnvvp;C:\Program Files (x86)\NVIDIACorporation\PhysX\Common;
6、此时CUDA已经安装成功。可以在DOS命令下，测试运行显示GPU硬件配置和cuda属性例子程序deviceQuery。路径在如下位置：
C:\ProgramData\NVIDIA Corporation\CUDASamples\v5.5\Bin\win32\Release
Dos下的命令提示符
dir查看文件夹下的目录
dir/a:h 查看当前目录的隐藏文件，因为ProgramData是隐藏文件。
cd .. 返回上一级文件夹， cd file 进入file 文件夹
运行bandwidthTest示例程序，结果如下：
双击桌面上的图标，运行cuda自带的例子。
7、CUDA C/C++关键字及函数高亮显示
这个设置是让Visual Studio2010 在编辑.cu 文件时，把.cu 文件里的C/C++语法高亮。设置方法：在Visual Studio 2010 的菜单依次选“ Tools|Options|TextEditor|File Extension（工具|选项|文本编辑器|文件扩展名）”，在该窗口中将“Editor（编辑器）”下拉框选择“Microsoft Visual C++”，在“Extension（扩展名）”文本框中输入cu 点击“Add（添加）”按钮，重复工作把cuh 添加为Visual C++类型，添加完成后点击“OK（确定）”按钮，如下图所示：
为了让CUDA 的关键字，如__device__、dim3 等的文字高亮，需按如下步骤设置：
将C:\ProgramData\NVIDIA Corporation\CUDASamples\v5.5\doc\syntax_highlighting\visual_studio_8 目录下的usertype.dat 文件复制到C:\ProgramFiles\Microsoft Visual Studio10.0\Common7\IDE\ 目录下（对x64 位Win7 系统为X:\Program Files(X86)\Microsoft Visual Studio10.0\Common7\IDE\）。重启Visual Studio2010 后打开.cu 文件，CUDA 的关键字应该变成蓝色了。
8、CUDA 函数高亮，及CUDA 函数输入代码提示
实现这个功能需要使用Visual Assist X，如果没有安装支持Visual Studio 2010的Visual Assist X，这部分功能无法实现。这里只是为使编写代码更加方便，对CUDA 程序的开发无实质性障碍。
如果已经安装VisualAssist X，可以通过以下两步实现需要的功能。
（1）使Visual Assist X 支持CUDA 函数高亮和代码完成
在VisualStudio 2010 的菜单里依次选择：“ VAssistX|Visual assistX Options|Projects|C/C++Directories”，在该界面的“Platform”下拉框中选择Custom，在“Show Directories for”下拉框中选择Other include files，然后在下面的输入框里，新建、添加如下路径，如图：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.5\include
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v5.5\common\inc
（2）使Visual Assist X 实现.cu 文件高亮和代码完成功能，需要编辑注册表。在修改注册表时，为避免带来不必要的错误请先关闭Visual Studio 2010。使用Win+R组合键打开“运行”窗口，键入入regedit 命令（register edit 的缩写）打开注册表，找到如下位置：HKEY_CURRENT_USER\Software\WholeTomato\Visual Assist X\VANet10。在右边找到ExtSource 项目，鼠标右键选修改，在原有文字后添加如下文字：.cu;.cuh; 确定后关闭注册表。重新打开Visual Studio 2010，Visual Assist X 便开始支持.cu 及.cuh 文件的语法高亮及代码完成。此时.cu 文件的CUDA 函数是高亮的，使用函数名符号就会自动提示函数全称，参数类型等信息。
修改注册表时，请把vs关闭，否则修改不成功。
二.创建cu文件测试示例
在Visual Studio 2010 菜单选择“file|new|project（文件|新建|工程）”，在打开的新建项目窗口的“已安装的模板”一栏中选择“NVIDIA|CUDA”，类型选择为“CUDA 5.5Runtime”，见下图。
在“名称”中输入工程名后，点击确定。cuda自动提供的kernel.cu 并行加法示例进行编译运行。结果如下：
在此基础上可以方便的进行cuda的代码测试。
三.在已有的C++项目中添加cu文件
我们往往需要在已建成的vc项目中，加入gpu的并行算法，以提高算法的效率。在此介绍如何在已有的项目中添加cu文件和配置过程。在cudasample中也提供了具体的参考示例，路径如下：
C:\ProgramData\NVIDIACorporation\CUDA Samples\v5.5\0_Simple\cppIntegration
运行cppIntegration_vs2010.sln，查看其配置。
1) 新建一个Win32控制台项目cppcuda；
2) 然后在项目中添加空白cu文件：在源文件处点击右键，添加》新建项
选择的文件类型是CPP文件，在写名称的时候可以直接写为.cu文件，也可以写成.cpp文件之后再进行重命名。此处写为add_kernel.cu.
选择CUDA 5.5.(targets,.props)。
4) 在add_kernel.cu文件处点击右键，选择属性》配置属性》项类型下拉菜单中选择 CUDA C/C++
5)在项目》cppcuda属性页中，设置如下红色圆圈内的参数
更改配置属性》常规》字符集：
在 C/C++》常规》附加包含目录中添加绝对路径：
C:\ProgramData\NVIDIACorporation\CUDA Samples\v5.5\common\inc
C/C++》代码生成》运行库改为 多线程调试
链接器》常规》附加库目录中添加
$(CUDA_PATH_V5_5)\lib\$(Platform)
链接器》输入》附加依赖项 中输入
cudart_static.lib
6)以上配置完成之后，可以在空白的addcuda.cu开头添加如下两行代码
#include"cuda_runtime.h"
#include"device_launch_parameters.h"
7) 在cpp 与cu文件建立连接的函数定义必须用extern "C"形式开头，如
extern"C" double addnum(int *c, const int *a, constint *b, unsigned int size);
addnum这个函数具体在cu文件实现并行加法的功能，在cpp文件中调用。
8) 下面给出cppcuda具体的代码
如cppcuda.cpp：
#include"stdafx.h"
extern"C" double addnum(int *c, const int *a, const int *b, unsigned intsize);
int_tmain(int argc, _TCHAR* argv[])
{
const int arraySize = 5;
const int a[arraySize] = { 1, 2, 3, 4,5 };
const int b[arraySize] = { 10, 20, 30,40, 50 };
int c[arraySize] = { 0 };
addnum(c, a, b, arraySize);
return 0;
}
如add_kernel.cu：
#include"cuda_runtime.h"
#include"device_launch_parameters.h"
#include<stdio.h>
cudaError_taddWithCuda(int *c, const int *a, const int *b, unsigned int size);
__global__void addKernel(int *c, const int *a, const int *b)
{
int i = threadIdx.x;
c[i] = a[i] + b[i];
}
extern"C" double addnum(int *c, const int *a, const int *b, unsigned intsize)
{
cudaError_t cudaStatus = addWithCuda(c,a, b, size);
if (cudaStatus != cudaSuccess) {
fprintf(stderr,"addWithCuda failed!");
return 1;
}
}
cudaError_taddWithCuda(int *c, const int *a, const int *b, unsigned int size)
{
int *dev_a = 0;
int *dev_b = 0;
int *dev_c = 0;
cudaError_t cudaStatus;
// Choose which GPU to run on, changethis on a multi-GPU system.
cudaStatus = cudaSetDevice(0);
if (cudaStatus != cudaSuccess) {
fprintf(stderr,"cudaSetDevice failed! Do you havea CUDA-capable GPU installed?");
goto Error;
}
// Allocate GPU buffers for threevectors (two input, one output) .
cudaStatus =cudaMalloc((void**)&dev_c, size * sizeof(int));
if (cudaStatus != cudaSuccess) {
fprintf(stderr,"cudaMalloc failed!");
goto Error;
}
cudaStatus =cudaMalloc((void**)&dev_a, size * sizeof(int));
if (cudaStatus != cudaSuccess) {
fprintf(stderr,"cudaMalloc failed!");
goto Error;
}
cudaStatus =cudaMalloc((void**)&dev_b, size * sizeof(int));
if (cudaStatus != cudaSuccess) {
fprintf(stderr,"cudaMalloc failed!");
goto Error;
}
// Copy input vectors from host memoryto GPU buffers.
cudaStatus = cudaMemcpy(dev_a, a, size* sizeof(int), cudaMemcpyHostToDevice);
if (cudaStatus != cudaSuccess) {
fprintf(stderr,"cudaMemcpy failed!");
goto Error;
}
cudaStatus = cudaMemcpy(dev_b, b, size* sizeof(int), cudaMemcpyHostToDevice);
if (cudaStatus != cudaSuccess) {
fprintf(stderr,"cudaMemcpy failed!");
goto Error;
}
// Launch a kernel on the GPU with onethread for each element.
addKernel<<<1,size>>>(dev_c, dev_a, dev_b);
// Check for any errors launching thekernel
cudaStatus = cudaGetLastError();
if (cudaStatus != cudaSuccess) {
fprintf(stderr,"addKernel launch failed: %s\n", cudaGetErrorString(cudaStatus));
goto Error;
}
// cudaDeviceSynchronize waits for thekernel to finish, and returns
// any errors encountered during thelaunch.
cudaStatus = cudaDeviceSynchronize();
if (cudaStatus != cudaSuccess) {
fprintf(stderr,"cudaDeviceSynchronize returned error code %d after launchingaddKernel!\n", cudaStatus);
goto Error;
}
// Copy output vector from GPU bufferto host memory.
cudaStatus = cudaMemcpy(c, dev_c, size* sizeof(int), cudaMemcpyDeviceToHost);
if (cudaStatus != cudaSuccess) {
fprintf(stderr,"cudaMemcpy failed!");
goto Error;
}
Error:
cudaFree(dev_c);
cudaFree(dev_a);
cudaFree(dev_b);
return cudaStatus;
}
