【高性能编程】环境配置--cuda 环境搭建 在VS中的配置
2011-07-22 16:34
555 查看
参见你的安装目录的文档
这是官方的,绝对可靠
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v4.0\extras\visual_studio_integration
也可以:
1.
选择项目名称 * 属性 * 自定义生成规则 * 在“ C:\Program Files (x86)\NVIDIA GPU Computing Toolkit\CUDA\v3.2\extras\visual_studio_integration\rules.”中选择“NvCudaDriverApi.v4.0.rules” 和“NvCudaRuntimeApi.v4.0.rules”
然后在弹出的框里把他们两个选上
2.
项目 * 属性 * 配置属性 * 连接器 * 常规
在“附加库目录”上,添加CUDA安装目录lib文件夹的路径 C:\Program Files (x86)\NVIDIA GPU Computing Toolkit\CUDA\v3.2\lib\Win32
项目 * 属性 * 配置属性 * 连接器 * 输入
在“附加依赖项”上,添加 “cudart.lib"
这是官方的,绝对可靠
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v4.0\extras\visual_studio_integration
也可以:
1.
选择项目名称 * 属性 * 自定义生成规则 * 在“ C:\Program Files (x86)\NVIDIA GPU Computing Toolkit\CUDA\v3.2\extras\visual_studio_integration\rules.”中选择“NvCudaDriverApi.v4.0.rules” 和“NvCudaRuntimeApi.v4.0.rules”
然后在弹出的框里把他们两个选上
2.
项目 * 属性 * 配置属性 * 连接器 * 常规
在“附加库目录”上,添加CUDA安装目录lib文件夹的路径 C:\Program Files (x86)\NVIDIA GPU Computing Toolkit\CUDA\v3.2\lib\Win32
项目 * 属性 * 配置属性 * 连接器 * 输入
在“附加依赖项”上,添加 “cudart.lib"
相关文章推荐
- 【高性能编程】环境配置--cuda 环境配置 以及 您当前未连接到NVIDIA GPU的解决办法
- 如何在VS 2012开发平台中搭建CUDA开发环境以及opencv的配置方法
- Arch Linux 环境下使用 Tomcat 6 搭建多站点、带SSL证书、高性能NIO/APR网站的配置详解
- Linux下MPI并行编程环境搭建配置
- CUDA在VC2008中的环境搭建与配置要点
- 【Caffe的C++接口使用说明五)】win10+cuda7.5+caffe+vs2013环境搭建(CPU版本)
- vs开发环境搭建(头文件,静态库,动态库配置)
- openpose vs2015 cuda8.0 cudnn5.0 TiTan xp 环境配置
- CUDA 8.0 + VS2013 + win7 x64开发环境搭建
- VS2015环境搭建以及QT编译器和调试器配置
- Spring flex 搭建服务 之 编程环境配置和我的第一个程序(第二章,第二节)
- 简单4步在win7 X64+cuda7.5或cuda8.0+VS2013环境中配置caffe深度学习框架,不用配置复杂的依赖库。
- Windows CUDA编程环境搭建
- Windows下基于Anaconda、CUDA、VS2013的Theano环境搭建
- VS2015+Anaconda4.4.0(Python3.6)+Theano+CUDA8.0+cuDNN5.1环境配置
- CUDA编程环境配置
- Linux_Ubuntu16的安装与CUDA7.5开发环境搭建及Nvidia-OpenACC开发工具配置 笔记本-台式机均可
- Windows8.1 64bit环境下搭建深度学习平台之CUDA安装与配置
- 从零开始搭建深度学习服务器: 基础环境配置(Ubuntu + GTX 1080 TI + CUDA + cuDNN)