2. 开发环境搭建：安装NVIDIA驱动、CUDA Toolkit、配置VS或Nsight
好，咱们正式开始动手了。这一章要解决一个最基础的问题——怎么把CUDA的开发环境搭起来。我见过太多初学者卡在这一步，装了半天跑不起来，最后发现是驱动版本不对。别急，跟着我的节奏来，一步步搞定。
2.1 先搞清楚你的硬件
在装任何东西之前，先确认你的电脑里有没有NVIDIA显卡。怎么查？
- Windows用户：打开设备管理器，找到「显示适配器」。如果看到NVIDIA GeForce、Quadro或Tesla系列，恭喜你，有戏。
- Linux用户：终端输入
lspci | grep -i nvidia，有输出就说明硬件在。
我个人习惯用 nvidia-smi 这个命令来快速确认。如果系统能识别显卡，它会显示驱动版本和GPU型号。嗯，这里要注意：没有NVIDIA显卡，CUDA是跑不起来的。别想着用CPU模拟，那体验差太多了。
2.2 安装NVIDIA驱动
驱动是显卡和操作系统之间的桥梁。没有驱动，你的CUDA代码根本没法跟GPU通信。
步骤很简单：
- 去NVIDIA官网下载对应你显卡型号的驱动。网址是
www.nvidia.com/drivers。 - 选择你的显卡系列（比如GeForce RTX 3060）、操作系统（Windows 10/11或Linux）。
- 下载并安装。Windows下双击运行，一路Next就行。Linux下需要关闭图形界面，用
sudo sh NVIDIA-Linux-*.run安装。
装完后重启电脑，再跑一次 nvidia-smi。如果能看到类似下面的输出，说明驱动装好了：
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 525.85.05 Driver Version: 525.85.05 CUDA Version: 12.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce RTX 3060 Off | 00000000:01:00.0 On | N/A |
| 30% 45C P8 8W / 130W | 123MiB / 12288MiB | 0% Default |
+-------------------------------+----------------------+----------------------+看到「CUDA Version: 12.0」了吗？这表示你的驱动支持CUDA 12.0。但注意，这只是「支持」，真正要写代码还得装CUDA Toolkit。
2.3 安装CUDA Toolkit
CUDA Toolkit是开发的核心。它包含了编译器（nvcc）、库文件、头文件，还有调试工具。说白了，没有它，你连 __global__ 都写不了。
安装步骤：
- 去NVIDIA官网下载CUDA Toolkit：
developer.nvidia.com/cuda-downloads。 - 选择你的操作系统和安装方式。Windows下是exe安装包，Linux下是runfile或deb包。
- 安装时，一定要勾选「Visual Studio Integration」（如果你用VS的话）。
- 安装完成后，设置环境变量。Windows下会自动添加，Linux下需要手动加
export PATH=/usr/local/cuda/bin:$PATH到.bashrc。
验证安装：打开终端，输入 nvcc --version。如果看到类似下面的输出，说明CUDA Toolkit装好了：
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on Wed_Nov_22_10:17:15_PST_2023
Cuda compilation tools, release 12.3, V12.3.107我曾经遇到一个坑：装完CUDA Toolkit后，nvcc 命令找不到。后来发现是环境变量没配好。Windows下需要手动把 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.3\bin 加到Path里。Linux下别忘了 source ~/.bashrc。
2.4 配置Visual Studio或Nsight
写CUDA代码，你总得有个编辑器吧？我个人推荐两种方式：
- Visual Studio（Windows）：老牌IDE，集成度高，调试方便。
- Nsight Eclipse Edition（Linux）：NVIDIA官方IDE，基于Eclipse，专门为CUDA优化。
2.4.1 配置Visual Studio
如果你用VS，安装CUDA Toolkit时勾选了「Visual Studio Integration」，那VS里会自动出现CUDA项目模板。新建项目时，选择「CUDA Runtime」模板，就能直接写核函数了。
如果没有自动出现，别慌。手动配置一下：
- 打开VS，新建一个空C++项目。
- 右键项目 -> 生成依赖项 -> 生成自定义，勾选「CUDA 12.3」。
- 右键源文件 -> 添加 -> 新建项，选择「CUDA C/C++ File」。
这样就能写 .cu 文件了。我习惯把核函数放在 kernel.cu 里，主函数放在 main.cpp 里，分开管理。
compute_86,sm_86。如果不确定，可以用 deviceQuery 示例程序查一下。
2.4.2 配置Nsight Eclipse Edition
Linux用户更推荐用Nsight。安装完CUDA Toolkit后，它自带Nsight。在终端输入 nsight 就能启动。
新建项目时，选择「CUDA C/C++ Project」。它会自动帮你配置好编译器路径和库文件。我个人觉得Nsight的调试功能比VS强，尤其是查看GPU内存和线程状态时。
不过要注意：Nsight是基于Eclipse的，如果你不熟悉Eclipse，可能需要花点时间适应。我刚开始用的时候也觉得别扭，但用顺手后，真香。
2.5 验证环境：跑一个Hello World
环境搭好了，总得试试能不能跑吧？写一个最简单的CUDA程序：
#include <stdio.h>
__global__ void hello_from_gpu() {
printf("Hello from GPU!\n");
}
int main() {
hello_from_gpu<<<1, 10>>>();
cudaDeviceSynchronize();
return 0;
}编译运行：
- VS用户：直接按F5。
- Nsight用户：点击运行按钮。
- 命令行用户：
nvcc hello.cu -o hello && ./hello
如果看到10行「Hello from GPU!」，恭喜你，环境搭建成功！
cudaErrorNoDevice，说明CUDA没找到GPU。检查驱动是否安装，或者你的GPU是否被其他程序占用。我曾经在虚拟机里跑CUDA，结果发现虚拟机默认禁用了GPU直通...
2.6 本章知识体系
下面这张图帮你理清整个搭建流程：
这张图展示了从硬件检查到最终验证的完整流程。每一步都有对应的验证命令，确保你走对了。
2.7 常见问题与避坑
最后，分享几个我踩过的坑：
- 驱动和Toolkit版本不匹配：驱动版本太旧，不支持新版的CUDA Toolkit。解决办法是去NVIDIA官网查兼容性表。
- VS版本不兼容：CUDA Toolkit对VS版本有要求。比如CUDA 12.3只支持VS 2022。我当年用VS 2019装CUDA 11.0，折腾了半天才发现不支持。
- 路径中有中文或空格：CUDA编译器对路径中的中文和空格很敏感。建议所有安装路径都用英文。
- Linux下权限问题：运行
nvidia-smi时提示权限不足，加sudo就行。但注意，别用root用户写代码，容易搞乱文件权限。
嗯，环境搭建就这些内容。别怕麻烦，一次配好，后面写代码就顺畅了。
想要更多资料，联系可可