我要切换到这个目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite

根据你提供的引用内容，C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras中没有demo_suite文件。这可能是因为您的安装路径或版本不同。请确保您的CUDA安装路径正确，并检查是否有其他替代文件或文件夹。您可以尝试浏览其他文件夹或在CUDA安装文件夹中搜索demo_suite文件。如果找不到demo_suite文件，您可能需要重新安装CUDA或查找其他资源和教程来解决您的问题。<em>1</em><em>2</em><em>3</em> #### 引用[.reference_title] - *1* [windows10安装NVIDIA显卡驱动+cuda10.0教程](https://blog.csdn.net/qq_39493185/article/details/121020641)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}} ] [.reference_item] - *2* *3* [Win10安装CUDA10.0+cudnn](https://blog.csdn.net/qq_43542987/article/details/111688241)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}} ] [.reference_item] [ .reference_list ]

### CUDA v12.1 安装后 `demo_suite` 缺失解决方案 对于CUDA版本v12.1，在安装完成后发现`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\extras`文件夹内确实不再包含`demo_suite`这一项[^1]。 通常情况下，官方提供的CUDA工具包中的示例程序会随着不同版本有所调整或移除。针对想要获取并运行CUDA示例的需求，建议采取以下方法： #### 方法一：通过GitHub仓库下载样例代码 NVIDIA维护了一个专门用于存储各个版本CUDA SDK样本项目的公共Git库。可以通过访问[NVIDIA/cuda-samples](https://github.com/NVIDIA/cuda-samples)，从中克隆整个项目至本地计算机上。这不仅包含了传统意义上的`demo_suite`里的案例，还涵盖了更多最新的实例供学习研究之用。 ```bash git clone https://github.com/NVIDIA/cuda-samples.git cd cuda-samples/Samples/ ``` #### 方法二：利用旧版安装介质恢复特定组件 如果特别需要某几个经典的演示应用，则可以从之前保存下来的较低版本（如引用中提到的v10.1或v11.1）的CUDA安装包里提取所需的`.exe`或其他资源文件[^4]。不过这种方法较为繁琐，并且可能面临兼容性问题的风险。 #### 方法三：自定义编译测试程序 基于个人需求编写简单的CUDA应用程序也是一种不错的选择。下面给出一段基础向量加法的小例子作为入门练习： ```cpp #include <stdio.h> __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)); for (int i = 0; i < N; i++) { x[i] = 1.0f; y[i] = 2.0f; } // Launch Kernel int blockSize = 256; int numBlocks = (N + blockSize - 1) / blockSize; add<<<numBlocks, blockSize>>>(N, x, y); // Wait for GPU to finish before accessing on host cudaDeviceSynchronize(); printf("%f + %f = %f\n", x[0], y[0]-x[0], y[0]); cudaFree(x); cudaFree(y); } ```