深度學習的興起，使得多執行緒以及GPU程式設計逐漸成為演算法工程師無法規避的問題。這裡主要記錄自己的GPU自學歷程。

目錄

二、 CUDA環境配置

首先說明一下我的基礎環境： 聯想小新超極本；Win10 X64 專業版； NVIDIA GeForce 940MX; VS2013。

2.1 安裝CUDA Toolkit

在保證NVIDIA顯示卡驅動成功安裝的條件下，從下面連結下載並安裝對應版本的CUDA Toolkit.（注意：最好已經安裝好VS）

通過在命令窗中執行 nvcc -V初步判斷是否安裝成功：

安裝成功後(預設安裝)系統會增加如下環境變數：

CUDA_PATH：  C:\Program
 
 Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
CUDA_PATH_V8_0：  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
NUMBER_OF_PROCESSORS： 4
NVCUDASAMPLES_ROOT：  C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
NVCUDASAMPLES8_0_ROOT：  C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
NVTOOLSEXT_PATH：  C:\Program
 
 Files\NVIDIA Corporation\NvToolsExt\

2.2 VS測試工程

CUDA Toolkit安裝成功後會自動和系統的編譯器進行繫結。 以我的VS2013為例，“新建專案”下增加了 “NVIDIA”選項。

CUDA Toolkit已經為我們提供了一些簡單的樣例，位於 環境變數 “NVCUDASAMPLES_ROOT”所指向的目錄下。 注意，該目錄通常為隱藏目錄。

隨便選擇其中的一個子專案，如果可以成功執行，則表明CUDA確實已經安裝成功。