我正在协助一位教授为并行编程类(class)设置一个实验室。该过程如下:
一名学生登录运行 Windows 7 的虚拟机。这台机器没有可用的 GPU。它安装了 7.5 版的 CUDA 工具包以及 Visual Studio 2013。学生应该使用 Visual Studio 编写他们的 CUDA 程序/项目。
为了测试/运行这些项目，学生可以远程访问相当高端的机器。我没有物理访问它的权限，但从我使用命令行可以看出，它有四个 NVIDIA Tesla M40。学生可以通过 SSH 远程访问这台机器。但是，问题是这台机器运行的是 Linux (Ubuntu 14.04.5)。我正在尝试弄清楚如何将学生在 Windows 上的 Visual Studio 中编写的内容部署到带有 GPU 的 Linux 机器上。我在 C、C++ 和 CUDA 方面的经验有限。我可以按照自己的方式处理 make 文件，但我们将不胜感激有关此主题的具体说明(如果它是解决方案的一部分)。
我读过这篇文章— Creating CUDA Projects for Linux — 其中详细说明了如何让 NVIDIA 的示例项目运行，但我不确定我是否可以调整它以在给定情况下工作。
我正在寻找一种让学生在 CUDA 中编写作业的简单方法，但他们还需要能够运行他们编写的内容。这位教授和我更喜欢 Visual Studio 的原因是:
这门课很多同学都熟悉
它很好地处理了项目架构
它为学生提供了一个 GUI，有助于缩短学习曲线(学生可以专注于 CUDA 而不是终端、gcc 等——这些东西无疑非常有用，但它们不是类(class)的重点)
如果测试机器运行的是 Windows，那么学生可以简单地将 Visual Studio(在开发 VM 上)中解决方案的调试或发布文件夹的内容传输到测试机器，然后运行可执行文件。由于有两种不同的操作系统在运行，我不认为它会像这样工作。我知道在 Windows 上编写代码并在 Linux 上部署不会那么容易，但我希望有一个可行的解决方案。
重新配置设置并让学生直接在测试机器上开发或创建用于开发的 Linux VM 是可行的，但应尽可能避免。重新配置需要系统管理团队的参与，并且会延迟让学生编写代码的过程。
我对此进行了研究并且遇到了这些问题，但它们并不完全适用于这个特定案例:
How to write programs in C# .NET, to run them on Linux/Wine/Mono?
How should I develop CUDA on OSX and the deploy test on Linux
最佳答案
问题的直接答案是尝试采用 VS 解决方案/项目并在 linux 中重建它并不实际。这可能是可能的，但我不会将这种负担加在尝试学习 GPU 编程的学生身上。
另一种方法是让您的学生使用 X 转发 SSH 客户端，例如 Mobaxterm或者像 TightVNC 这样的远程处理解决方案从 Windows 机器 (VM) 到 GPU 所在的 Linux 机器。这两种方法之间存在一些细微差别。我相信 X-forwarded SSH 客户端方法的网络负载会稍微轻一些，并且实际上不需要在目标上运行 X-desktop，而 TightVNC 是一个实际的远程桌面解决方案。因此，这两种方法的用户体验可能会有所不同，但是如果所有有问题的机器(Windows VM、Linux GPU 盒)之间都有 100Mb 或更快的网络，并且您只运行几个客户端时间，我认为这可能无关紧要。
如果您在 linux 机器上为每个学生/客户建立单独的用户帐户，那么这两种解决方案都可能效果最佳。
并且由于学生将共享 GPU 资源，如果多个学生尝试同时运行项目，可能会出现问题，但对于入门级编程工作来说可能不是问题。
一旦建立连接，学生就可以启动 nsight 来运行基于 linux 的 GUI IDE(nsight Eclipse 版)来构建 CUDA 项目，并运行/调试/分析它们。
关于linux - 如何在 Windows 上的 Visual Studio 中编写 CUDA 并将其部署到 Linux？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/39562066/