首先贴出我的问题，解决的就是这个问题。要解决这个问题，首先要看你的cuda环境配置的是否正确，那么就要从头跟着我们走一遍，再检查一下您配置的是否正确。

1>1.cu.obj : error LNK2019: 无法解析的外部符号 cublasDestroy_v2，该符号在函数 main 中被引用

 

1>1.cu.obj : error LNK2019: 无法解析的外部符号 cudaFree，该符号在函数 main 中被引用
1>1.cu.obj : error LNK2019: 无法解析的外部符号 cublasGetVector，该符号在函数 main 中被引用
1>1.cu.obj : error LNK2019: 无法解析的外部符号 cublasSgemm_v2，该符号在函数 main 中被引用
1>1.cu.obj : error LNK2019: 无法解析的外部符号 cudaThreadSynchronize，该符号在函数 main 中被引用

 

1>1.cu.obj : error LNK2019: 无法解析的外部符号 cublasSetVector，该符号在函数 main 中被引用

首先官网下载安装包，这个就不细说了 ，我下的是这个版本cuda_8.0.61_win10.exe，，注意win7和win10版本要对应，千万别弄错了 之后双击会出现如下截图，

解压完以后一直点下一步如下图

 

出现这个等半个小时左右就好了

安装结束后开始配置系统环境变量

win10可以这么操作win+s 搜索环境，自动匹配出系统环境变量

打开环境变量后如下图：

如图中点击环境变量的就是了打开后，如下图设置：

 

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

以上两个系统我的是安装上cuda后就有的，没有的自行添加。

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

将上面的变量名和变量值依次填入：

比如：

依次填入后，找到path如图：

 

依次点击新建,将 %CUDA_LIB_PATH%；%CUDA_BIN_PATH%；%CUDA_SDK_BIN_PATH%；%CUDA_SDK_LIB_PATH%；依次填入，填入后效果如上图所示。全部安装好后一定要记得重启！，这里就将cuda 在win10中如何配置的完成了

配置完环境变量后

检验CUDA环境是否配置成功：

A.打开cmd窗口，输入：nvcc -V，屏幕上会显示nvcc编译器的版本信息。

b.打开cmd窗口，输入：

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite

bandwidthTest.exe
deviceQuery.exe

如果两者都是：Rsult=PASS，说明安装和配置成功啦；否则可能需要重装。

 

如果通过前面的编译通过了，下面的过程可以省去，过程和上面的一样，直接去看vs2013的配置

编译CUDA的Samples： 

用VS2013打开：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\Samples_vs2013.sln 

分别编译这两个文件，编译结束后，进入C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release会发现我们刚编译出的bandwidthTest.exe和deviceQuery.exe，在cmd窗口中运行，结果应与上面相同。

如果编译过程中，未找到CUDA 8.0.props，会出现如下提示：

将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\visual_studio_integration\MSBuildExtensions\目录下的4个文件，复制到C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V120\BuildCustomizations目录下，然后重新启动VS2013即可。

 

 

接下来需要再配置vs2013了

1.打开vs2013并创建一个空项目程序,创建一个cuda_samples的解决方案和cuda_test1项目： 

2.右键源文件–>添加–>新建项，如下图所示

3.选择NIVIDIA CUDA7.5中 CUDA C/C++file，并在名称那填上cuda_main

 

• 4.选择cuda_test1，点击右键–>项目依赖项–>自定义生成

 

• 5.选择CUDA7.5

 

• 6.点击cuda_main.cu的属性

7.在配置属性–>常规–>项类型–>选择“CUDA C/C++”

 

最重要的一步出现啦，就是这一步导致体重无法解析外部符号的问题

接下来进行项目配置

右键点击项目属性–>属性–>配置管理器–>活动解决方案平台->新建->键入或选择新平台->选择“x64”。

这一步别告诉我你弄不好。如果不行的话，你可以换一下活动解决方案和活动解决平台，总有一个适合你的项目

 

 x64

1.包含目录配置

• 1.右键点击项目属性–>属性–>配置属性–>VC++目录–>包含目录
• 2.添加包含目录： 
  $(CUDA_PATH)\include

1.2 库目录配置

• 1.VC++目录–>库目录
• 2.添加库目录： 
  $(CUDA_PATH)\lib\x64

1.3 依赖项

• 1. 配置属性–>连接器–>输入–>附加依赖项
• 1. 添加库文件： 
     cublas.lib
     cublas_device.lib
     cuda.lib
     cudadevrt.lib
     cudart.lib
     cudart_static.lib
     cufft.lib
     cufftw.lib
     curand.lib
     cusolver.lib
     cusparse.lib
     nppc.lib
     nppi.lib
     nppial.lib
     nppicc.lib
     nppicom.lib
     nppidei.lib
     nppif.lib
     nppig.lib
     nppim.lib
     nppist.lib
     nppisu.lib
     nppitc.lib
     npps.lib
     nvblas.lib
     nvcuvid.lib
     nvgraph.lib
     nvml.lib
     nvrtc.lib
     OpenCL.lib
     cudnn.lib（选填，当安装cudnn时）（都添加上是没有错的，相信我）

注意：添加nvcuvenc.lib库文件，编译时，报找不到该文件的错误。去掉后，程序也能运行

接下来把下面程序拷贝到去

 

// CUDA runtime 库 + CUBLAS 库 
#include "cuda_runtime.h" 
#include "cublas_v2.h" 
#include <time.h> 
#include <iostream> 

using namespace std;
// 定义测试矩阵的维度 
int const M = 5;
int const N = 10;
int main()
{
// 定义状态变量 
cublasStatus_t status; 
// 在内存中为将要计算的矩阵开辟空间 
float *h_A = (float*)malloc(N*M*sizeof(float));
float *h_B = (float*)malloc(N*M*sizeof(float));
// 在 内存 中为将要存放运算结果的矩阵开辟空间 
float *h_C = (float*)malloc(M*M*sizeof(float));
// 为待运算矩阵的元素赋予 0-10 范围内的随机数 
for (int i = 0; i<N*M; i++) {
    h_A[i] = (float)(rand() % 10 + 1);
    h_B[i] = (float)(rand() % 10 + 1);
}
// 打印待测试的矩阵 
cout << "矩阵 A :" << endl;
for (int i = 0; i<N*M; i++){
    cout << h_A[i] << " ";
    if ((i + 1) % N == 0) cout << endl;
}
cout << endl;
cout << "矩阵 B :" << endl;
for (int i = 0; i<N*M; i++){
    cout << h_B[i] << " ";
    if ((i + 1) % M == 0) cout << endl;
}
cout << endl;
/*
    ** GPU 计算矩阵相乘
    */
// 创建并初始化 CUBLAS 库对象
cublasHandle_t handle;
status = cublasCreate(&handle);
if (status != CUBLAS_STATUS_SUCCESS)
{
    if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
        cout << "CUBLAS 对象实例化出错" << endl;
    }
    getchar();
    return EXIT_FAILURE;
}
float *d_A, *d_B, *d_C;
// 在 显存 中为将要计算的矩阵开辟空间 
cudaMalloc(
    (void**)&d_A, // 指向开辟的空间的指针 
    N*M * sizeof(float) //　需要开辟空间的字节数 
    );
cudaMalloc(
    (void**)&d_B,
    N*M * sizeof(float)
    );
// 在 显存 中为将要存放运算结果的矩阵开辟空间 
cudaMalloc(
    (void**)&d_C,
    M*M * sizeof(float)
    );
// 将矩阵数据传递进 显存 中已经开辟好了的空间 
cublasSetVector(
    N*M, // 要存入显存的元素个数 
    sizeof(float), // 每个元素大小 
    h_A, // 主机端起始地址 
    1, // 连续元素之间的存储间隔 
    d_A, // GPU 端起始地址 
    1 // 连续元素之间的存储间隔 
    );
cublasSetVector(
    N*M,
    sizeof(float),
    h_B,
    1,
    d_B,
    1
    );
// 同步函数
cudaThreadSynchronize();
// 传递进矩阵相乘函数中的参数，具体含义请参考函数手册。 
float a = 1; float b = 0;
// 矩阵相乘。该函数必然将数组解析成列优先数组 
cublasSgemm(
    handle, // blas 库对象 
    CUBLAS_OP_T, // 矩阵 A 属性参数 
    CUBLAS_OP_T, // 矩阵 B 属性参数
    M, // A, C 的行数 
    M, // B, C 的列数
    N, // A 的列数和 B 的行数
    &a, // 运算式的 α 值 
    d_A, // A 在显存中的地址 
    N, // lda 
    d_B, // B 在显存中的地址 
    M, // ldb 
    &b, // 运算式的 β 值 
    d_C, // C 在显存中的地址(结果矩阵) 
    M // 
    );
// 同步函数 
cudaThreadSynchronize();
// 从 显存 中取出运算结果至 内存中去
cublasGetVector(M*M, // 要取出元素的个数 
    sizeof(float), // 每个元素大小 
    d_C, // GPU 端起始地址 
    1, // 连续元素之间的存储间隔 
    h_C, // 主机端起始地址
    1 // 连续元素之间的存储间隔 
    );
// 打印运算结果 
cout << "计算结果的转置 ( (A*B)的转置 )：" << endl;
for (int i = 0; i<M*M; i++){
    cout << h_C[i] << " ";
    if ((i + 1) % M == 0) cout << endl;
}
// 清理掉使用过的内存 
free(h_A);
free(h_B);
free(h_C);
cudaFree(d_A);
cudaFree(d_B);
cudaFree(d_C);
// 释放 CUBLAS 库对象
cublasDestroy(handle);
getchar();
return 0;
}

运行结构贴上，错误已解决，不容易啊，