配置目标环境

由于基于 VMware 的虚拟机不支持调用 Host 的 GPU 卡，除非装双系统。因为网上已经有在真机上配置环境的教程了，又因为有大量的同学使用的是白嫖百度 GPU 的方法，为了增加文化的多样性，俺先考虑在 windows 下配置 CUDA 环境。

到官网下载安装包,慢慢安装。 如图 一路按照默认的安装来，最终安装程序很贴心地显示了哪些是安装的，哪些没安装。俺的偏好是在 Mingw-w64 下用 Atom 编辑器写代码。偏好其它环境的，可以参考这篇文章

由于之前 Visual Stdio 耗尽了俺系统盘的存储空间，而且卸载残留严重，因为怕影响系统，有些组件都不敢卸载，就一直处于给系统盘瘦身的操作中，终于下定决心重装。总之，是很不愉快的体验。因此，俺是抵制安装 VS 所有产品的。

然而,用 nvcc 编译源代码，报错如下： 解决报错的方法根据 stackoverflow 或 官网教程只有安装恶心的 VS :( 俺用的是 VS 2019，从工作负载标签下选择【使用C++的桌面开发】 mlgj安装还要重启，中途如果遇到 NVIDIA 需要更新就更新一下，俺的原则是凡是只要有最新的，就更新到最新，和 Ubuntu 的原则差不多，默认最新就是最好的。然后找到 cl.exe 将它添加到环境变量中去。另外，基于我对 VS 的偏见，推荐大家备份环境变量，可以用此脚本。 编译： 运行： 看来环境是勉强配好了。 总结一下，对于 VS 我只是用到了它的 cl.exe，这个 exe 文件可能用到了 VS 的其它文件，所以我建议还是把 VS 装上比较好。先决条件是安装了 Mingw 的 C/C++ 运行环境，当然，NVIDIA 的 GPU 卡肯定要有，可以 win + r 后输入 dxdiag 查看卡的型号。

接下来还需解决两个问题：一个是自动化运行，一个是解决warning。

解决 warning: 虽然说 warning 没事，但俺有强迫症啊~ 要去除 warning，就要将报错所在文件的 Unicode 变成带签名的，详见这里,首先要取得文件的完全控制权限，参考 我一共修改了两个文件的编码类型，然后运行之前的命令，warning 消失 之后别忘了将文件夹的权限改回来。

自动化运行:

优先寻找：根据文件后缀名的差异执行不同的命令的插件。 其次寻找：快捷键执行批处理等脚本的插件。

战略放弃。

性能分析工具

之前装 VS 已经让俺的节操碎了一地。这次，根据官网指示：Visual Profiler 和 nvprof 将在以后的 CUDA 版本中弃用.建议使用下一代工具 NVIDIA Nsight Compute 进行 GPU 配置，使用 NVIDIA Nsight Systems 进行 GPU 和 CPU 采样和跟踪。我就坚定地开始了装 NVIDIA Nsight Compute 的征程。

进入下载界面，发现还要注册,注册界面卡得雅匹，我只能开了全局，再不断尝试下载各个版本的 Nsight Compute，终于试出一个不用注册的，还下载得非常慢。 经过无数次下载失败，结合最近上外网有时很卡，再结合最近的朝鲜化趋势，我怀疑我的 V2Ray + tls + ws 的翻墙流量被干扰得太严重了。尝试用tg群里别人推荐的 rixcloud，说是一直很稳。当然，我是买不起 richcloud, 只能用它的原理：ssr，也是之前我为了装B而弃用的方法。费了很长时间才找到一个不在黑名单里的 IP,搭建完成后，继续使用 IDM 下载。之前用 V2Ray 不能断点续传的文件居然可以多线程下载了！

看来还是 ssr 的功能强大，开销小啊，虽然带来的是它的不安全。看来以后的主力就是 ssr，V2Ray 作为备用。ssr 的流畅让我明白了技术是为了适应生产场景而变化的，不是为了装B的。这里给出一个对 ssr 讨论比较专业的网站。

安装 Nsight Compute 这个包时，系统显示我已经安装了。这时就没必要再安装一遍了，因为如果安装的版本不是最新的系统会推荐你装最新的。参考官网教程中的命令

1

 nv-nsight-cu-cli -o profile CuVectorAddMulti.exe

以管理员的身份运行 nv-nsight-cu-cli 命令，得

略去中间的输出

之后用 nv-nsight-cu <MyReport.nsight-cuprof-report>，得出 至此，性能分析部分任务完成。

如果喜欢用图形化界面，可以参考这篇教程，命令行输入 nv-nsight-cu 后直接 Enter，即可启动。 如果追寻更加高级的可视化的性能分析结果，可以参考这个文档。

下面用 CLI 和相应的图形化界面进行性能分析。

并行奇偶排序

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45

#include<stdio.h>
#include<cuda.h>
#include<fstream>
#include<iostream>
using namespace std;
__global__ void oddeven(int* x,int I,int n){
	int id=blockIdx.x;
	if(I==0 && ((id*2+1)< n)){
		if(x[id*2]>x[id*2+1]){
			int X=x[id*2];
			x[id*2]=x[id*2+1];
			x[id*2+1]=X;
		}
	}
	if(I==1 && ((id*2+2)< n)){
		if(x[id*2+1]>x[id*2+2]){
			int X=x[id*2+1];
			x[id*2+1]=x[id*2+2];
			x[id*2+2]=X;
		}
	}
}
int main(){
	int a[100],n,c[100],i;
	int *d;
  ifstream infile("input1.txt");
  infile >> n;
  for (size_t i = 0; i < n; i++) {
    infile >> a[i];
  }
	cudaMalloc((void**)&d, n*sizeof(int));
	cudaMemcpy(d,a,n*sizeof(int),cudaMemcpyHostToDevice);
	for(i=0;i<n;i++){
		oddeven<<<n/2,1>>>(d,i%2,n);
	}
	printf("\n");
  cudaMemcpy(c,d,n*sizeof(int), cudaMemcpyDeviceToHost);
	printf("Sorted Array is:\t");
	for(i=0; i<n; i++){
		printf("%d\t",c[i]);
	}

	cudaFree(d);
	return 0;
}

CLI 性能分析 图形化界面 显然，图形化界面不但直观，还有许多控件，可以选择不同层次的视图类型，甚至可以把结果保存成PDF、图片等多种类型，功能强大。