環境： Windows 7 SP1
Microsoft Visual Studio 2010
CUDA 5.0
步驟：
1.首先建立壹個空的名叫Matrix Multiplication_KahanMFC的“FCM應用程序”項目：
點擊“確定”，這時彈出如下窗口
我們需要對默認項目進行壹些修改，點擊“下壹步”，我們設置壹個空的MFC項目，選擇“單個文檔”和“MFC標準”：
點擊“完成”。
2.創建CUDA的調用接口函數及其頭文件
（1）頭文件
“添加”--> “新建項”-->“Visual C++”-->“頭文件（.h）”-->“名稱”-->“CUDA_Transfer.h” -->“添加”，如下圖：
在CUDA_Transfer.h中添加如下代碼：
//CUDA_Transfer.h
#include
#include "math.h"
using namespace std;
int run_cuda(float* GPU, float* CPU);
如下圖所示：
（2）函數
按照和增加頭文件相似的方法，添加函數。“添加”--> “新建項”-->“Visual C++”-->“C++文件（.cpp）” -->“名稱”-->“CUDA_Transfer.cpp” -->“添加”，如下圖：
在CUDA_Transfer.cpp中添加如下代碼：
//CUDA_Transfer.cpp
#include "CUDA_Transfer.h"
#include "stdafx.h"
extern "C" int runtest(float* GPU, float* CPU);
int run_cuda(float* GPU, float* CPU)
{
runtest(GPU,CPU);
return 0;
}
如下圖所示：
需要註意的是在MFC的文件中是不能包含（include）.cu文件的，會報錯，所以我們使用extern "C"的方式來實現函數的調用。
3. 創建存放cuda 代碼的篩選器，名為CUDA
“添加”--> “新建篩選器”，重命名為CUDA
4. 在篩選器CUDA中創建壹個CUDA源代碼文件，kernel.cu。
我們直接把已經寫好的矩陣相乘的程序kernel.cu復制到項目目錄下，添加到CUDA篩選器中去。
添加”--> “現有項”-->“kernel.cu”--> “添加”：
把kernel.cu的int main()函數改為extern "C" int runtest(float* GPU, float* CPU)，兩個參數用來獲得GPU和CPU計算所使用的時間，單位為毫秒。
5. 右擊項目-->“生成自定義”：
在彈出的窗口中勾選CUDA 5.0(.target,.props)。如果使用其他版本的CUDA，就勾選對應的版本：
點擊“確定”。
6. 修改 kernel.cu的編譯鏈接設置
在解決方案資源管理器中右擊kernel.cu文件-->“屬性”，在彈出窗口中-->“常規”-->“項類型”的下拉列表中選擇
點擊“應用”後，“常規”下方會出現壹個“CUDA C/C++”的設置，沒有特殊需求，不需要修改，點擊“確定”。
7.修改工程設置。
工程設置需要修改“鏈接器”-->“輸入”-->“附加依賴項”和“生成事件”-->“預先生成事件”-->“命令行”。需要設置的參數比較多，我們采用比較簡單的方法。
我們新建壹個空的CUDA項目，在這個空CUDA項目的項目屬性中找到“鏈接器”-->“輸入”-->“附加依賴項”，把“附加依賴項”中所包含的項復制到我們的MFC項目中：
按照同樣的方法，設置“生成事件”-->“預先生成事件”-->“命令行”：
設置完成後，點擊“確定”。
8.修改MFC文件，完成調用。
我們需要在MFC中調用CUDA程序，顯示出GPU和CPU計算兩個1024*1024矩陣相乘所消耗的時間。
在Matrix Multiplication_KahanMFCView.cpp中包含（include）"CUDA_Transfer.h"
文件；在CMatrixMultiplication_KahanMFCView::OnDraw(CDC* pDC)中添加如下代碼：
float GPU;
float CPU;
run_cuda(&GPU, &CPU);
CString strGPU,strCPU;
strGPU.Format(_T("GPU:%f \n"),GPU);
strCPU.Format(_T("CPU:%f \n"),CPU);
pDC->TextOut(0,0,strGPU);
pDC->TextOut(0,30,strCPU);
如圖所示：
然後重新生成解決方案，運行。
計算要花費壹些時間，需要等待，測試的時候可以把矩陣大小改小壹些。因為把程序加到了OnDraw中，所以每當刷新窗口時候（例如調整窗口大小時），都會調用。由於計算耗時比較長，窗口看起來會像無響應壹樣，等計算完成就好了。
運行的結果如下：
在矩陣比較大的情況下，GPU的加速效果明顯，GPU耗時只需要620ms，而CPU需要23438ms，要花費將近40倍的時間。