第一章：CUDA开发环境搭建

各位同学好，我是你们的老朋友。今天咱们来聊聊CUDA开发的第一步——环境搭建。说实话，这一步看着简单，但坑不少。我见过太多人卡在这一步，折腾一整天连个"Hello World"都跑不出来。所以，咱们慢慢来，把每个细节都讲透。

1.1 GPU架构简介：你手里的"小钢炮"长什么样？

先说说GPU。你想想看，CPU和GPU的区别在哪？CPU像是一个全能型选手，什么活都能干，但一次只能干几件事。GPU呢？它更像是一群"小工"，每个人只会简单的加减乘除，但胜在人多——成千上万个核心一起上，干起并行计算来效率极高。

我刚开始接触GPU编程时，总觉得它很神秘。后来拆开一块NVIDIA的显卡，看到密密麻麻的晶体管，才明白——这玩意儿本质上就是个"大规模并行计算器"。

目前主流的GPU架构有这些：

Fermi（2010年）：老前辈了，现在基本见不到
Kepler（2012年）：引入了动态并行，挺有意思
Maxwell（2014年）：功耗控制做得不错
Pascal（2016年）：NVLink开始出现
Volta（2017年）：Tensor Core的诞生，AI计算起飞
Turing（2018年）：光线追踪专用核心
Ampere（2020年）：目前最主流的架构
Hopper（2022年）：最新的，性能怪兽

嗯，这里要提醒一下：你用的GPU架构决定了你能用哪些CUDA特性。比如，Tensor Core只有Volta及以后的架构才有。所以，写代码前先看看你的显卡型号。

小技巧：在命令行输入 nvidia-smi 就能看到你的GPU型号和驱动版本。我个人习惯每次写新项目前都先跑一下这个命令，确认环境没问题。

1.2 CUDA Toolkit安装：别急着点"下一步"

CUDA Toolkit是啥？说白了，就是NVIDIA给我们这些开发者准备的一套工具包。里面有编译器、库文件、调试工具等等。安装它，你才能用CUDA写程序。

安装步骤其实不复杂：

去NVIDIA官网下载对应你操作系统的CUDA Toolkit
运行安装程序（Windows是exe，Linux是run文件）
选择安装路径（我建议用默认路径，省得出幺蛾子）
等待安装完成

但这里有个坑——版本匹配问题。我曾经有一次，装了个最新的CUDA 12.0，结果发现我的显卡驱动只支持到11.8。折腾了半天，最后只能降级。所以，安装前一定要确认三件事：

你的GPU架构支持哪个CUDA版本
你的操作系统是32位还是64位
你的显卡驱动版本够不够新

避坑指南：我曾经遇到过这样的情况——装完CUDA Toolkit后，运行nvcc --version能显示版本号，但编译程序时却报错"找不到cuda_runtime.h"。后来发现是环境变量没配好。所以，装完后一定要检查PATH和LD_LIBRARY_PATH（Linux）或PATH和CUDA_PATH（Windows）。

1.3 nvcc编译器与驱动版本匹配：别让它们"打架"

nvcc是CUDA的编译器，负责把.cu文件编译成能在GPU上跑的程序。驱动呢？是操作系统和GPU之间的"翻译官"。这两者必须匹配，否则程序跑不起来。

怎么检查匹配？很简单：

运行 nvidia-smi 查看驱动版本（比如 525.85.05）
运行 nvcc --version 查看CUDA版本（比如 12.0）
去NVIDIA官网查一下这个驱动版本支持哪个CUDA版本

我个人的经验是：驱动版本可以比CUDA版本高，但不能低。比如，驱动是525，CUDA是12.0，那没问题。反过来，驱动是470，CUDA是12.0，那就等着报错吧。

这里我画了一张图，帮你理清整个开发环境的关系：

你看，从硬件到驱动，再到工具包，最后到编译器和运行时库，一层层叠上去。每一层都依赖下面一层。所以，底层没配好，上面肯定跑不起来。

1.4 第一个CUDA程序：Hello World from GPU!

好了，环境搭好了，咱们来写第一个程序。别紧张，就几行代码：

#include <stdio.h>

// 这是GPU上运行的核函数
__global__ void helloFromGPU() {
    printf("Hello World from GPU!\n");
}

int main() {
    // 调用核函数，启动1个线程块，每个块1个线程
    helloFromGPU<<<1, 1>>>();
    
    // 等待GPU执行完毕
    cudaDeviceSynchronize();
    
    printf("Hello World from CPU!\n");
    return 0;
}

保存为 hello.cu，然后编译：

nvcc -o hello hello.cu

运行：

./hello

如果看到两行输出——一行来自GPU，一行来自CPU——恭喜你，环境搭建成功了！

  重点解释：
  __global__：告诉编译器这个函数要在GPU上运行
<<<1, 1>>>：启动配置，第一个数字是线程块数，第二个是每个块的线程数
cudaDeviceSynchronize()：让CPU等GPU干完活再继续

我第一次跑通这个程序时，心里那个激动啊。虽然只是打印了一行字，但你知道这意味着什么——你的CPU和GPU终于能"对话"了。

小提示：如果编译时报错"nvcc: command not found"，说明环境变量没配好。去检查一下PATH里有没有CUDA的bin目录。Windows用户记得重启终端。

嗯，到这里，第一章的内容就差不多了。环境搭建是CUDA编程的第一步，也是最容易出问题的一步。但只要你按照我说的步骤来，应该不会有大问题。记住：先查驱动版本，再装CUDA Toolkit，最后写个Hello World验证一下。三步走，稳得很。

想要更多资料，联系可可

📚 课程目录

第一章：CUDA开发环境搭建

1.1 GPU架构简介：你手里的"小钢炮"长什么样？

1.2 CUDA Toolkit安装：别急着点"下一步"

1.3 nvcc编译器与驱动版本匹配：别让它们"打架"

1.4 第一个CUDA程序：Hello World from GPU!