vs2022 CUDA

### 如何在Visual Studio 2022中配置和使用CUDA

#### 安装必要的软件组件
为了能够在Visual Studio 2022 中顺利开发 CUDA 应用程序，需要先确保已经安装了合适的 C++ 工具集以及 CUDA Toolkit。对于 VS2022 的用户来说，应该通过 Visual Studio Installer 来加载所需的 C++ 开发环境[^1]。

#### 创建新的项目
当准备就绪后，在 Windows 环境下可以利用 Visual Studio 2022 新建一个基于 CMake 的工程来编写和支持 CUDA 编程。这使得开发者能够更方便地管理依赖关系，并且更容易与其他平台兼容[^2]。

#### 配置CUDA支持
考虑到 CUDA 自 11.6 版本起不再默认包含样例代码在内的 SDK 组件，因此如果要设置更高版本的 CUDA，则需手动调整一些路径变量或者采用其他方式获取示例源码以便学习参考[^3]。

#### 测试编译与运行
完成上述准备工作之后，可以通过点击顶部菜单栏里的 “生成” -> "全部生成" 来尝试构建整个解决方案。一旦编译无误，将会得到名为 `project.exe` 的可执行文件，证明当前系统的 CUDA 设置是有效的。

#### 调试技巧
值得注意的是，由于 GPU 上运行的内核函数（由 __global__ 关键字定义）特性所限，传统的断点调试方法在此并不适用；相反，建议使用 printf 函数向标准输出流写入日志信息来进行简单的错误排查或逻辑验证[^4]。

#include <stdio.h>

// Kernel function to add the elements of two arrays
__global__
void add(int n, float *x, float *y)
{
  int index = threadIdx.x;
  int stride = blockDim.x;

  for (int i = index; i < n; i += stride)
    y[i] = x[i] + y[i];
}

int main(void)
{
  const int N = 1 << 20;
  float *x, *y;

  // Allocate Unified Memory – accessible from CPU or GPU
  cudaMallocManaged(&x, N*sizeof(float));
  cudaMallocManaged(&y, N*sizeof(float));

  // Initialize x and y arrays on the host
  for (int i = 0; i < N; i++) {
    x[i] = 1.0f;
    y[i] = 2.0f;
  }

  // Launch kernel with one block containing enough threads to cover all elements.
  add<<<1, 256>>>(N, x, y);

  // Wait for GPU to finish before accessing on host
  cudaDeviceSynchronize();

  // Check result by printing out first few values
  for (int i = 0; i < 5; ++i){
      printf("%d %f\n", i, y[i]);
  }
  
  // Free memory
  cudaFree(x);
  cudaFree(y);
}