下载CUDA Toolkit和VS后，配置vscode

你已经下载并安装了 CUDA Toolkit 和 Visual Studio Build Tools（或 Visual Studio） ，接下来我们一步步在 VSCode 中配置 CUDA 开发环境 ，实现 编写 → 编译 → 运行 → 调试 的完整流程。

---

✅ 前提确认（请先验证）

在继续前，请确保以下命令在 "x64 Native Tools Command Prompt for VS 2022" 中能正常运行：

nvcc --version
cl

• nvcc 显示 CUDA 版本（如 12.4）
• cl 显示 Microsoft C++ 编译器信息

如果不行，请先解决环境问题（如重启、重新安装 Build Tools 等）。

---

🛠️ 步骤 1：安装 VSCode 插件

打开 VSCode，安装以下插件：

1. C/C++ （Microsoft 官方）
   • 提供智能提示、调试支持
2. CUDA （作者：kriegalex）
   • 为 .cu 文件提供语法高亮（可选但推荐）

其他插件如 CMake Tools、Code Runner 可后续按需添加。

---

📁 步骤 2：创建 CUDA 项目目录

例如：

D:\cuda_projects\hello_cuda\
├── main.cu
└── .vscode/

编写 main.cu 示例代码：

#include <cuda_runtime.h>
#include <iostream>

__global__ void say_hello() {
    printf("Hello from GPU thread %d!\n", threadIdx.x);
}

int main() {
    std::cout << "Launching kernel...\n";
    say_hello<<<1, 5>>>();
    cudaDeviceSynchronize();
    
    // 检查错误（可选）
    cudaError_t err = cudaGetLastError();
    if (err != cudaSuccess) {
        std::cerr << "CUDA error: " << cudaGetErrorString(err) << std::endl;
    }
    
    return 0;
}

---

⚙️ 步骤 3：配置 .vscode/tasks.json（编译）

在项目根目录创建 .vscode/tasks.json：

{
    "version": "2.0.0",
    "tasks": [
        {
            "label": "build CUDA",
            "type": "shell",
            "command": "nvcc",
            "args": [
                "-o",
                "${workspaceFolder}/main.exe",
                "${workspaceFolder}/main.cu",
                "-arch=sm_75"  // ⚠️ 根据你的 GPU 修改！
            ],
            "group": {
                "kind": "build",
                "isDefault": true
            },
            "problemMatcher": "$msCompile",
            "detail": "Compile CUDA source with nvcc"
        }
    ]
}

🔍 关于 -arch=sm_XX：

• 这是 GPU 的计算能力（Compute Capability）
• 常见值：
  • GTX 10xx / RTX 20xx → sm_75
  • RTX 30xx → sm_86
  • RTX 40xx → sm_89
• 查询你的 GPU：https://developer.nvidia.com/cuda-gpus

如果不确定，可先省略 -arch，但可能性能不佳或报错。

---

🐞 步骤 4：配置 .vscode/launch.json（调试/运行）

创建 .vscode/launch.json：

{
    "version": "0.2.0",
    "configurations": [
        {
            "name": "Run CUDA Program",
            "type": "cppvsdbg",
            "request": "launch",
            "program": "${workspaceFolder}/main.exe",
            "args": [],
            "stopAtEntry": false,
            "cwd": "${workspaceFolder}",
            "environment": [],
            "console": "externalTerminal"
        }
    ]
}

使用 cppvsdbg 是因为 Windows 上 VSCode 的 C++ 调试依赖 Visual Studio 的调试引擎（已随 Build Tools 安装）。

---

▶️ 步骤 5：编译并运行

1. 编译：

   • 按 Ctrl + Shift + B
   • 或终端手动运行：nvcc -o main.exe main.cu -arch=sm_75

2. 运行/调试：

   • 按 F5 启动调试（会弹出外部终端窗口）
   • 或直接双击 main.exe（在资源管理器中）

✅ 预期输出（以 sm_75 为例）：

Launching kernel...
Hello from GPU thread 0!
Hello from GPU thread 1!
Hello from GPU thread 2!
Hello from GPU thread 3!
Hello from GPU thread 4!

---

🔧 可选优化：自动检测 nvcc 路径（避免环境变量问题）

如果你在普通 VSCode 终端中运行 nvcc 报错，但开发人员命令提示符中可以，说明环境变量未全局生效。

解决方案：

在 tasks.json 中使用完整路径（不推荐长期使用），或：

方法：从 VS 开发人员命令提示符启动 VSCode

1. 先关闭vscode，打开 x64 Native Tools Command Prompt for VS 2022

2. 进入你的项目目录：

   cd D:\cuda_projects\hello_cuda

3. 启动 VSCode：

   code .

这样 VSCode 继承了正确的环境变量，nvcc 和 cl 都能直接调用。

---

🧪 验证是否真正使用 GPU

在代码中加入错误检查（如上所示），或使用 nvidia-smi 监控：

1. 打开任务管理器 → 性能 → GPU
2. 运行程序时，应看到 GPU 计算负载上升

---

📌 常见问题

问题	解决
nvcc : fatal error : Microsoft Visual Studio not found	未正确安装 Build Tools，或未用开发人员命令提示符启动 VSCode
cannot open include file 'cuda_runtime.h'	CUDA Toolkit 未装好，检查 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.x\include 是否存在
调试时提示 "Unable to start debugging"	确保安装了 C++ 调试组件（Build Tools 中默认包含）

---

✅ 完成！