1、 下载CUDA工具包、驱动和SDK，依次安装，编译SDK里的工程文件，具体配置方法可谷歌百度，基本步骤就是先编译sdk里面的几个库，然后设置代码相应库函数关键字高亮。
2、 下载CUDA调试工具Nsight，可以实现单卡双机调试或双卡单机调试，虽然听说2.2可以单卡单机，但还没找到方法。具体调试可参考Nsight的help文档和cudabbs.it168.com上的别人笔记（CUDA双机Nsight调试总结）。
3、 Nsight2.2中包含cuda4.0，cuda4.1， cuda4.2 rules。
4、如果在运行cuda程序时出现黑屏花屏显卡驱动奔溃几秒然后重新启动，个人认为应该是显存不足造成的,后来发现不是这个原因，其实是（http://msdn.microsoft.com/zh-cn/windows/hardware/gg487368）。 这时候打开Nsight 的Monitor，将Options/General下的WDDM TDR enabled 设置为 False，重启电脑，这时再运行程序，显示器不会更新画面，GPU会提供完全的显存专注于运行我们的程序。直到运行结束，显示器画面恢复更新。这种方法当然只有用在实验上，不能用在实际中。
5、 普通C++控制台和MFC程序中如何新建调用CUDA程序（VS2010）：
1） 首先新建一个C++工程，然后右击工程，打开“生成自定义“，选择最新的cudarules。
2） 然后新建两个.cu文件，分别命名为kernel.cu和func.cu，前者存放核函数，后者存放调用核函数的基本cuda函数。然后打开两个文件的属性，将项类型设置为CUDA C/C++，然后在CUDAC/C++下的Device里的Code Generation参数修改为运行电脑GPU的计算等级，例如1.1的就写成compute_11,sm_11。还有，前者kernel.cu属性中“从生成中排除“要选”是“。
3） 在func.cu文件中将kernel.cu当做头文件包含，里面的函数进行基本的cuda程序操作：分配显卡内存、拷贝内存到显存、调用kernel函数、拷贝显存到内存。
4） 在func.cu文件中定义函数时，将func函数定义为C扩展函数：extern “C”void func();
5） 新建一个cpp文件，作为主程序，先在程序上面添加C扩展函数func（）的说明，此时不需要include “func.cu”。然后再下面的代码中调用func函数即可。
6） 打开整个工程的属性，在CUDA C/C++下的Device里的Code Generation参数依然修改为运行电脑GPU的计算等级。
7） 在工程属性的“链接器/附加依赖项”中添加cudart.lib;
6、 CUDA Tookit中的NVIDIAVisual Profiler是个不错的cuda程序性能分析软件，能生成程序中GPU处理部分的各个步骤的时间条，以及各个阶段的具体参数。
7、 CUDA提供了CUBLA（具有基本的向量和矩阵运算）库，SDK中已经自带了，不用另外下载。它的运算函数分为三个级别：1）向量与向量的运行2）矩阵与向量的运算3）矩阵与矩阵的运算。
工程属性的链接器中的附加依赖项需添加：cublas.lib。
基本的调用步骤举例：
1） 包含cublas的头文件：
2） 创建一个cublas上下文句柄：
3） 调用cublas函数处理向量或矩阵运算：
4） 销毁cublas句柄：
8、 在CUBLAS中矩阵是按列优先存储的，这与C中按行存储矩阵的思想正好相反。
Author: Jimye
Email：jimye.china@gmail.com