先安装CUDA后安装VS的额外配置

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。

VS新建项目中增加CUDA选项

以vs2019+ cuda 11.3为例

  1. 关闭vs2019
  2. 解压cuda的windows安装包cuda_11.3.0_465.89_win10.exe
  3. 进入路径cuda_11.3.0_465.89_win10\visual_studio_integration\CUDAVisualStudioIntegration\extras\visual_studio_integration\CudaProjectVsWizards
    拷贝上面路径下的16文件夹至C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\Common7\IDE\Extensions\下的NVIDIA\CUDA 11.3 Wizards\11.3
    ps: 上述三级文件夹NVIDIA\CUDA 11.3 Wizards\11.3可能需要手动创建。
  4. 在开始菜单中找到Developer Command Prompt for VS 2019.exe,用管理员身份运行devenv.com /setup /nosetupvstemplates
    重启vs2019

VS 新建文件中识别".cu"文件

  1. 关闭VS2019
  2. 找到下面的路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\visual_studio_integration\MSBuildExtensions
    复制该目录下所有文件至
    C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\MSBuild\Microsoft\VC\v160\BuildCustomizations
  3. 重启VS2019

先安装CUDA后安装Visual Studio的额外配置

  • 3
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Anaconda是一个非常流行的Python发行版本,它带有许多用于数据分析和科学计算的库和工具。然而,Anaconda默认情况下并不包含CUDA(计算统一设备架构)库,因此如果我们想在Anaconda环境中使用CUDA加速的功能,我们需要额外安装CUDACUDA是由NVIDIA开发的并行计算平台和应用程序编程接口,它使我们能够在NVIDIA的图形处理器(GPU)上进行通用计算。对于需要处理大量数据或需要高性能计算的任务,使用CUDA可以显著加速计算过程。 要在Anaconda中使用CUDA,首需要确保我们的系统上已经安装了合适版本的NVIDIA显卡驱动程序。然后,我们需要从NVIDIA官方网站上下载并安装适用于我们的操作系统和显卡型号的CUDA Toolkit。这个Toolkit包含了CUDA库、编译器、开发工具等。 安装CUDA Toolkit后,我们需要配置Anaconda环境以便使用CUDA。具体来说,我们需要在Anaconda环境中安装适用于CUDA的Python包,如pycuda或cupy。这些包提供了与CUDA交互的接口和函数,并允许我们在GPU上进行计算。 安装完成后,我们可以在Anaconda环境中导入和使用相应的CUDA库和包,以便利用GPU进行并行计算或加速特定任务。通过CUDA的加速,我们可以更快地进行深度学习、机器学习或其他需要大规模数据处理的任务。 总结来说,虽然Anaconda是一个功能强大的Python发行版本,但默认情况下不包含CUDA库。如果我们需要在Anaconda环境中使用CUDA加速的功能,我们需要额外安装配置适用于CUDA的库和包。这样一来,我们就能够利用GPU进行更快速和高性能的计算。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值