vs2013+cuda8.0+win10配置问题解决办法

背景

在vs2013+cuda8.0+win10配置 的过程中总是出现问题，其他配置可以参考下面博客，本文仅仅就遇到的问题展开讨论。
https://blog.csdn.net/u011314529/article/details/51505029

解决方案

按照以上方法配置后，显示找不到cublas.lib，主要是cublas的配置方法有问题。
在工程-属性-配置属性-VC++目录-库目录 里面添加
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
但是最关键的问题是，如果你是用的VS2013+cuda8.0（或者比较新版本的cuda toolkit），你就必须得找x64（也即是适合64位电脑的，因为cuda的新版本已经抛弃了32位操作系统）的库文件，还有就是要在调试–>属性–>平台–>活动（x64）位下编辑才可以。

具体方法是在配置管理器里面新建。

在完成这一步以后，我们就可以在链接器的附加库目录里面添加cublas.lib对应的那个目录了。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

之后，在连接器的输入里面找到附加依赖项然后添加cublas.lib(如果你想要用cusparse的功能，那么请你添加cusparse.lib).
我添加的所有依赖项在这。
cublas.lib
cuda.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
nvcuvid.lib
OpenCL.lib

最后建立一个test.cu的项目

// CUDA runtime 库 + CUBLAS 库 
#include "cuda_runtime.h" 
#include "cublas_v2.h" 
#include <time.h> 
#include <iostream> 

using namespace std;
// 定义测试矩阵的维度 
int const M = 5;
int const N = 10;
int main()
{
	// 定义状态变量 
	cublasStatus_t status;
	// 在内存中为将要计算的矩阵开辟空间 
	float *h_A = (float*)malloc(N*M*sizeof(float));
	float *h_B = (float*)malloc(N*M*sizeof(float));
	// 在 内存 中为将要存放运算结果的矩阵开辟空间 
	float *h_C = (float*)malloc(M*M*sizeof(float));
	// 为待运算矩阵的元素赋予 0-10 范围内的随机数 
	for (int i = 0; i<N*M; i++) {
		h_A[i] = (float)(rand() % 10 + 1);
		h_B[i] = (float)(rand() % 10 + 1);
	}
	// 打印待测试的矩阵 
	cout << "矩阵 A :" << endl;
	for (int i = 0; i<N*M; i++){
		cout << h_A[i] << " ";
		if ((i + 1) % N == 0) cout << endl;
	}
	cout << endl;
	cout << "矩阵 B :" << endl;
	for (int i = 0; i<N*M; i++){
		cout << h_B[i] << " ";
		if ((i + 1) % M == 0) cout << endl;
	}
	cout << endl;
	/*
	** GPU 计算矩阵相乘
	*/
	// 创建并初始化 CUBLAS 库对象
	cublasHandle_t handle;
	status = cublasCreate(&handle);
	if (status != CUBLAS_STATUS_SUCCESS)
	{
		if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
			cout << "CUBLAS 对象实例化出错" << endl;
		}
		getchar();
		return EXIT_FAILURE;
	}
	float *d_A, *d_B, *d_C;
	// 在 显存 中为将要计算的矩阵开辟空间 
	cudaMalloc(
		(void**)&d_A, // 指向开辟的空间的指针 
		N*M * sizeof(float) //　需要开辟空间的字节数 
		);
	cudaMalloc(
		(void**)&d_B,
		N*M * sizeof(float)
		);
	// 在 显存 中为将要存放运算结果的矩阵开辟空间 
	cudaMalloc(
		(void**)&d_C,
		M*M * sizeof(float)
		);
	// 将矩阵数据传递进 显存 中已经开辟好了的空间 
	cublasSetVector(
		N*M, // 要存入显存的元素个数 
		sizeof(float), // 每个元素大小 
		h_A, // 主机端起始地址 
		1, // 连续元素之间的存储间隔 
		d_A, // GPU 端起始地址 
		1 // 连续元素之间的存储间隔 
		);
	cublasSetVector(
		N*M,
		sizeof(float),
		h_B,
		1,
		d_B,
		1
		);
	// 同步函数
	cudaThreadSynchronize();
	// 传递进矩阵相乘函数中的参数，具体含义请参考函数手册。 
	float a = 1; float b = 0;
	// 矩阵相乘。该函数必然将数组解析成列优先数组 
	cublasSgemm(
		handle, // blas 库对象 
		CUBLAS_OP_T, // 矩阵 A 属性参数 
		CUBLAS_OP_T, // 矩阵 B 属性参数
		M, // A, C 的行数 
		M, // B, C 的列数
		N, // A 的列数和 B 的行数
		&a, // 运算式的 α 值 
		d_A, // A 在显存中的地址 
		N, // lda 
		d_B, // B 在显存中的地址 
		M, // ldb 
		&b, // 运算式的 β 值 
		d_C, // C 在显存中的地址(结果矩阵) 
		M // 
		);
	// 同步函数 
	cudaThreadSynchronize();
	// 从 显存 中取出运算结果至 内存中去
	cublasGetVector(M*M, // 要取出元素的个数 
		sizeof(float), // 每个元素大小 
		d_C, // GPU 端起始地址 
		1, // 连续元素之间的存储间隔 
		h_C, // 主机端起始地址
		1 // 连续元素之间的存储间隔 
		);
	// 打印运算结果 
	cout << "计算结果的转置 ( (A*B)的转置 )：" << endl;
	for (int i = 0; i<M*M; i++){
		cout << h_C[i] << " ";
		if ((i + 1) % M == 0) cout << endl;
	}
	// 清理掉使用过的内存 
	free(h_A);
	free(h_B);
	free(h_C);
	cudaFree(d_A);
	cudaFree(d_B);
	cudaFree(d_C);
	// 释放 CUBLAS 库对象
	cublasDestroy(handle);
	getchar();
	return 0;
}

结果如图