Cuda5.0相比之前的版本安装配置方法方便了不少，用户只需下载一个安装包（之前的版本是三个）安装后就可使用，无需其他的手工配置。并且在VS2010可以直接选择添加*.cu和*.cuh文件，省下了大量的操作。下面说一下MFC中使用CUDA5.0的具体方法：
1、安装软件：CUDA5.0将开发驱动程序、Toolkit和GPUComputing SDK整合到一个安装文件中，安装过程也很简洁。如果需要单步调试CUDA程序，还需要安装NSight。（软件下载可以从http://www.nvidia.cn/object/cuda-cn.html找到）。
2、新建一个MFC项目，具体设置可以根据自己的需要。之后右击解决方案管理器中的项目名称，选“生成自定义…”，在弹出的对话空中勾选CUDA5.0，确定。
3、还是右击“解决方案资源管理器”中的项目名称，点击“添加-新建筛选器”，新建一个筛选器，取名为“CUDA”。
4、右击新建的筛选器，点击“添加-新建项”，可以发现新建文件的对话空中已经多出了两个CUDA的选项，我们可以从这里直接添加cu和cuh文件，一般我们可以分别添加一个cu和一个cuh文件。
5、右击cu文件，点击属性，在“常规-项类型”中选择“CUDA C/C++”，点击确定。注意：是cu文件才这么配置，cuh文件千万别动它。
6、右击工程名，选“属性”，在“配置属性-链接器-输入-附加依赖项”中加上cudart.lib和uafxcwd.lib。
7、至此我们的配置就完成了，大家可以写一个程序试试，下面我给出了一个例程，如果能运行成功，说明已经大功告成了。大家可以找一个CUDA4.0的配置教程对照一下，CUDA5.0的使用确实比以前的版本方便不少。另外，需要VS高亮CUDA函数、VA自动提示CUDA函数和NSight的配置可以查看相关的说明，配置跟以前方法大致相同。
8、用显卡处理运算时间超过5s的程序时windows会显示显卡驱动程序响应，并恢复，这样会中断程序的运行。我们可以修改注册表中HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\GraphicsDrivers里面的TdrLevel项（没有就新建一个，DWORD值），把键值改为0.
//Computing.cuh文件内容-------------------------------------------------------------------------
#ifndef _CUDACOMPUTING_CUH_
#define _CUDACOMPUTING_CUH_
int vvmain(int* c);
#endif
//Computing.cu文件内容----------------------------------------------------------------------------
#include "CudaComputing.cuh"
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
cudaError_t addWithCuda(int *c, const int *a, const int *b, size_tsize);
__global__ void addKernel(int *c, const int *a, const int *b)
{
int i = threadIdx.x;
c[i] = a[i] + b[i];
}
int vvmain(int* c)
{
const int arraySize = 5;
const int a[arraySize] = {1, 2, 3, 4, 5 };
const int b[arraySize] = {10, 20, 30, 40, 50 };
// Add vectors inparallel.
cudaError_t cudaStatus =addWithCuda(c, a, b, arraySize);
if (cudaStatus !=cudaSuccess) {
return 1;
}
// cudaDeviceReset must becalled before exiting in order for profiling and
// tracing tools such asNsight and Visual Profiler to show complete traces.
cudaStatus =cudaDeviceReset();
if (cudaStatus !=cudaSuccess) {
return 1;
}
return 0;
}
// Helper function for using CUDA to add vectors in parallel.
cudaError_t addWithCuda(int *c, const int *a, const int *b, size_tsize)
{
int *dev_a = 0;
int *dev_b = 0;
int *dev_c = 0;
cudaError_t cudaStatus;
// Choose which GPU to runon, change this on a multi-GPU system.
cudaStatus =cudaSetDevice(0);
if (cudaStatus !=cudaSuccess) {
goto Error;
}
// Allocate GPU buffersfor three vectors (two input, one output) .
cudaStatus =cudaMalloc((void**)&dev_c, size * sizeof(int));
if (cudaStatus !=cudaSuccess) {
goto Error;
}
cudaStatus =cudaMalloc((void**)&dev_a, size * sizeof(int));
if (cudaStatus !=cudaSuccess) {
goto Error;
}
cudaStatus =cudaMalloc((void**)&dev_b, size * sizeof(int));
if (cudaStatus !=cudaSuccess) {
goto Error;
}
// Copy input vectors fromhost memory to GPU buffers.
cudaStatus =cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);
if (cudaStatus !=cudaSuccess) {
goto Error;
}
cudaStatus =cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);
if (cudaStatus !=cudaSuccess) {
goto Error;
}
// Launch a kernel on theGPU with one thread for each element.
addKernel<<<1,size>>>(dev_c, dev_a, dev_b);
// cudaDeviceSynchronizewaits for the kernel to finish, and returns
// any errors encounteredduring the launch.
cudaStatus =cudaDeviceSynchronize();
if (cudaStatus !=cudaSuccess) {
goto Error;
}
// Copy output vector fromGPU buffer to host memory.
cudaStatus = cudaMemcpy(c,dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);
if (cudaStatus !=cudaSuccess) {
goto Error;
}
Error:
cudaFree(dev_c);
cudaFree(dev_a);
cudaFree(dev_b);
return cudaStatus;
}
//在View类中包含Computing.cuh头文件，并添加一个菜单响应，响应程序如下
intc[5];
CString str1;
if(vvmain(c) == 0){
str1.Format(L"%d,%d,%d,%d,%d",c[0],c[1],c[2],c[3],c[4]);
MessageBox(str1);
}
执行结果：