VsCode+WSL使用Code Runner运行cuda源文件，找不到编译器

一、问题

网上关于vscode + wsl + cude 的编程文章比较杂乱，问题也比较多，本文章为在其他安装好之后，想使用vscode中的code runner运行代码遇到的问题。

编写测试文件，点击右上角的小三角运行，报错如下：

/bin/sh: 1: nvcc: not found

其次，我发现vscode中的运行也不能用，下面给出tasks.json（负责编译的配置文件）文件的配置信息：

{
    "version": "2.0.0",
    "tasks": [
        {
            "label": "build",
            "type": "shell",
            "command": "nvcc",
            "args":["-g","${file}","-o","${fileDirname}/${fileBasenameNoExtension}.out",
                // include 头文件
                "-I", "/usr/local/cuda/include",
                "-I", "/usr/local/cuda-12.6/samples/common/inc",
                // lib 库文件地址
                "-L", "/usr/local/cuda/lib64",   
                "-L", "/usr/local/cuda-12.6/samples/common/lib",  
                "-l", "cudart",                           
                "-l", "cublas",
                "-l", "cudnn",
                "-l", "curand",
                "-D_MWAITXINTRIN_H_INCLUDED"  
            ]
        }
    ]
}

运行报错：

终端输出错误信息：

同样是找不到nvcc

二、思考

找不到 nvcc，但是我的环境是配置好的

在wsl下可以看到nvcc编译器的版本信息

我认为可能是vscode的问题，找不到wsl中的nvcc，具体原因不太清楚（有大佬知道麻烦解答一下）。但是其实这个问题好解决，既然你编译找不到nvcc的编译器，那我编译的时候直接给你完整路径不就行了吗？（注意，该解决方法的前提是你的cuda环境没问题！）

三、解决

修改tasks.json中编译器的路径：

{
    "version": "2.0.0",
    "tasks": [
        {
            "label": "build",
            "type": "shell",
            //在这里直接给出编译器的完整路径，注意修改成你自己的nvcc路径
            "command": "/usr/local/cuda-12.6/bin/nvcc",
            "args":["-g","${file}","-o","${fileDirname}/${fileBasenameNoExtension}.out",
                // include 头文件
                "-I", "/usr/local/cuda/include",
                "-I", "/usr/local/cuda-9.0/samples/common/inc",
                // lib 库文件地址
                "-L", "/usr/local/cuda/lib64",   
                "-L", "/usr/local/cuda-9.0/samples/common/lib",  
                "-l", "cudart",                           
                "-l", "cublas",
                "-l", "cudnn",
                "-l", "curand",
                "-D_MWAITXINTRIN_H_INCLUDED"  
            ]
        }
    ]
}

其次修改code runner的配置文件，点击插件的设置

找到Code-runner: Executor Map By File Extension设置

往下滑，找到.cu的配置信息

将nvcc修改成绝对路径

现在两种方式都可以成功运行了

附录--测试代码

#include <iostream>
#include <math.h>
// Kernel function to add the elements of two arrays
__global__ void add(int n, float *x, float *y)
{
    int index = threadIdx.x;
    int stride = blockDim.x;
    for (int i = index; i < n; i += stride)
        y[i] = x[i] + y[i];
}
 
int main(void)
{
    int N = 1 << 20;
    float *x, *y;
 
    // Allocate Unified Memory – accessible from CPU or GPU
    cudaMallocManaged(&x, N * sizeof(float));
    cudaMallocManaged(&y, N * sizeof(float));
 
    // initialize x and y arrays on the host
    for (int i = 0; i < N; i++)
    {
        x[i] = 1.0f;
        y[i] = 2.0f;
    }
 
    // Run kernel on 1M elements on the GPU
    add<<<1, 256>>>(N, x, y);
 
    // Wait for GPU to finish before accessing on host
    cudaDeviceSynchronize();
 
    // Check for errors (all values should be 3.0f)
    float maxError = 0.0f;
    for (int i = 0; i < N; i++)
        maxError = fmax(maxError, fabs(y[i] - 3.0f));
    std::cout << "Max error: " << maxError << std::endl;
    std::cout << "Hello, World6666!" << std::endl;
 
    // Free memory
    cudaFree(x);
    cudaFree(y);
 
    return 0;
}

配置文件的时候在csdn摘的，找不到原作者了，就不引用了抱歉