《CUDA并行程序设计:GPU编程指南》笔记 Chaper 4 环境搭建

关于平台：Windows、Linux、Mac OS都支持

Windows下环境搭建顺序：

(1) VS 2010 (必须先安装VS！，然后再安装其他)
(2) CUDA ToolKit (在9.0版本中，显卡驱动以及Nsight调试器都已经集成在ToolKit中一并安装)

Windows上支持Nsight调试器，这一点极为方便

CUDA程序支持向后兼容

INVIDIA 支持CUDA编程的GPU：https://developer.nvidia.com/cuda-gpus
CUDA ToolKit：https://developer.nvidia.com/cuda-toolkit

通过CUDA检测本机上的GPU信息

/************************************************************************/
/* cuda测试                                                                     */
/************************************************************************/
#include <iostream>
#include <cuda_runtime_api.h>
#include <stdlib.h>

bool InitCUDA()
{
    int count;

    cudaGetDeviceCount(&count);//获得cuda设备的数量

    if(count == 0)
    {
        std::cout<<"There is no device.\n" ;
        return false;
    }

    int i;

    for(i = 0; i < count; i++)
    {
        cudaDeviceProp prop;//cuda设备属性对象

        if(cudaGetDeviceProperties(&prop, i) == cudaSuccess)
        {
            std::cout<<"设备名称："<<prop.name<<"\n" ;
            std::cout<<"计算能力的主代号："<<prop.major<<"\t"<<"计算能力的次代号："<<prop.minor<<"\n" ;
            std::cout<<"时钟频率："<<prop.clockRate<<"\n" ;

            std::cout<<"设备上多处理器的数量："<<prop.multiProcessorCount<<"\n" ;
            std::cout<<"GPU是否支持同时执行多个核心程序:"<<prop.concurrentKernels<<"\n" ;
        }
    }

    cudaSetDevice(i);//启动设备

    return true;
}

int main()
{
    if(!InitCUDA())
    {
        return 0;
    }

    std::cout<<"cuda配置成功！\n" ;
	system("pause");
    return 0;
}

刚开始运行可能出现的问题：
“致命错误LNK1181，无法打开输入文件‘cutil32D.lib’”，参考文献1

ShaneCook, 库克, 苏统华,等. CUDA并行程序设计:GPU编程指南[M]. 机械工业出版社, 2014.