第二章 CUDA开发环境搭建

说实话，环境搭建这事儿，看着简单，但坑是真不少。我见过太多人卡在这一步，代码写好了结果跑不起来，最后发现是驱动版本不对。今天咱们就把这事儿捋清楚。

2.1 NVIDIA驱动安装

驱动是GPU和系统之间的桥梁。没有它，CUDA根本没法工作。

安装步骤：

1. 确认你的GPU型号。用 lspci | grep -i nvidia 查看（Linux）或设备管理器（Windows）。
2. 去NVIDIA官网下载对应驱动。我个人习惯用 GeForce Experience 自动检测，省心。
3. 安装时选「自定义安装」，只勾选驱动组件。其他组件（如3D Vision）用不上。
4. 重启后，用 nvidia-smi 验证。看到GPU信息就对了。

2.2 CUDA Toolkit安装

Toolkit是开发的核心。它包含了编译器、库文件、调试工具等。

安装方式有两种：

• 网络安装包：小，但安装时得联网下载。适合网络好的环境。
• 本地安装包：大（2-3GB），但一次搞定。我推荐这个，尤其是你要装多台机器时。

安装完成后，记得配环境变量。Linux下加这几行到 ~/.bashrc：

export PATH=/usr/local/cuda-12.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.0/lib64:$LD_LIBRARY_PATH

然后 source ~/.bashrc。Windows用户直接在系统环境变量里加。

2.3 cuDNN配置

cuDNN是深度学习的加速库。它专门优化了卷积、池化等操作。说白了，没有它，训练速度能慢好几倍。

配置步骤：

1. 去NVIDIA官网下载cuDNN。注意版本要和CUDA Toolkit匹配。
2. 解压后，把文件复制到CUDA安装目录。Linux下命令：

tar -xzvf cudnn-linux-x86_64-8.9.0.131_cuda12-archive.tar.xz
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include
sudo cp cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

2.4 VS/CMake工程配置

IDE配置这块，Windows用户多用Visual Studio，Linux用户则偏爱CMake。咱们分开说。

2.4.1 Visual Studio配置

VS配置其实挺简单的。安装CUDA Toolkit时，它会自动给VS装插件。你新建项目时，直接选「CUDA Runtime」模板就行。

如果手动配置，注意这几项：

• 包含目录：加 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\include
• 库目录：加 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\lib\x64
• 附加依赖项：加 cudart.lib

2.4.2 CMake配置

CMake更灵活，跨平台。我自己的项目都用CMake。一个简单的 CMakeLists.txt 长这样：

cmake_minimum_required(VERSION 3.18)
project(CUDAExample)

find_package(CUDA REQUIRED)

cuda_add_executable(main main.cu)

target_include_directories(main PRIVATE ${CUDA_INCLUDE_DIRS})
target_link_libraries(main ${CUDA_LIBRARIES})

如果你用CMake 3.18以上版本，推荐用 enable_language(CUDA) 方式，更现代：

cmake_minimum_required(VERSION 3.18)
project(CUDAExample LANGUAGES CUDA)

add_executable(main main.cu)

嗯，这样就行了。CMake会自动找nvcc和CUDA库。

2.5 知识体系总览

下面这张图，是我梳理的环境搭建整体流程。你跟着走，基本不会出大问题。

2.6 常见问题与避坑

最后，分享几个我实际工作中遇到的坑：

• 驱动版本不匹配：我曾经在Ubuntu 20.04上装了驱动525，结果CUDA 11.8不认。后来发现得用驱动520才行。查兼容性表很重要。
• cuDNN复制权限：Linux下复制cuDNN文件时，别忘了 chmod a+r。不然编译时提示找不到头文件，你会怀疑人生的。
• VS项目属性：如果你用VS，记得检查「解决方案配置」是x64，不是Win32。32位CUDA早就不支持了。
• CMake找不到CUDA：试试设置 -DCMAKE_CUDA_COMPILER=/usr/local/cuda/bin/nvcc。我遇到过CMake自动检测失败的情况。

好了，环境搭建就这些。你跟着走一遍，应该半小时内能搞定。如果卡住了，多半是版本问题——先查兼容性，再查路径。