首先貼出我的問題，解決的就是這個問題。要解決這個問題，首先要看你的cuda環境配置的是否正確，那麼就要從頭跟著我們走一遍，再檢查一下您配置的是否正確。

1>1.cu.obj : error LNK2019: 無法解析的外部符號 cublasDestroy_v2，該符號在函式 main 中被引用

1>1.cu.obj : error LNK2019: 無法解析的外部符號 cublasSetVector，該符號在函式 main 中被引用

首先官網下載安裝包，這個就不細說了 ，我下的是這個版本cuda_8.0.61_win10.exe，，注意win7和win10版本要對應，千萬別弄錯了 之後雙擊會出現如下截圖，

解壓完以後一直點下一步如下圖

出現這個等半個小時左右就好了

安裝結束後開始配置系統環境變數

win10可以這麼操作win+s 搜尋環境，自動匹配出系統環境變數

開啟環境變數後如下圖：

如圖中點選環境變數的就是了開啟後，如下圖設定：

CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

CUDA_PATH_V8_0 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

以上兩個系統我的是安裝上cuda後就有的，沒有的自行新增。

將上面的變數名和變數值依次

比如：

依次填入後，找到path如圖：

依次點選新建,將 %CUDA_LIB_PATH%；%CUDA_BIN_PATH%；%CUDA_SDK_BIN_PATH%；%CUDA_SDK_LIB_PATH%；依次填入，填入後效果如上圖所示。全部安裝好後一定要記得重啟！，這裡就將cuda 在win10中如何配置的完成了

配置完環境變數後

檢驗CUDA環境是否配置成功：

A.開啟cmd視窗，輸入：nvcc -V，螢幕上會顯示nvcc編譯器的版本資訊。

b.開啟cmd視窗，輸入：

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite

bandwidthTest.exe
deviceQuery.exe

如果兩者都是：Rsult=PASS，說明安裝和配置成功啦；否則可能需要重灌。

如果通過前面的編譯通過了，下面的過程可以省去，過程和上面的一樣，直接去看vs2013的配置

編譯CUDA的Samples： 

分別編譯這兩個檔案，編譯結束後，進入C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release會發現我們剛編譯出的bandwidthTest.exe和deviceQuery.exe，在cmd視窗中執行，結果應與上面相同。

如果編譯過程中，未找到CUDA 8.0.props，會出現如下提示：

將C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\visual_studio_integration\MSBuildExtensions\目錄下的4個檔案，複製到C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V120\BuildCustomizations目錄下，然後重新啟動VS2013即可。

接下來需要再配置vs2013了

1.開啟vs2013並建立一個空專案程式,建立一個cuda_samples的解決方案和cuda_test1專案： 

2.右鍵原始檔–>新增–>新建項，如下圖所示

3.選擇NIVIDIA CUDA7.5中 CUDA C/C++file，並在名稱那填上cuda_main

• 4.選擇cuda_test1，點選右鍵–>專案依賴項–>自定義生成

• 5.選擇CUDA7.5

• 6.點選cuda_main.cu的屬性

7.在配置屬性–>常規–>項型別–>選擇“CUDA C/C++”

最重要的一步出現啦，就是這一步導致體重無法解析外部符號的問題

接下來進行專案配置

右鍵點選專案屬性–>屬性–>配置管理器–>活動解決方案平臺->新建->鍵入或選擇新平臺->選擇“x64”。

這一步別告訴我你弄不好。如果不行的話，你可以換一下活動解決方案和活動解決平臺，總有一個適合你的專案

 x64

1.包含目錄配置

• 1.右鍵點選專案屬性–>屬性–>配置屬性–>VC++目錄–>包含目錄
• 2.新增包含目錄： 
  $(CUDA_PATH)\include

1.2 庫目錄配置

• 1.VC++目錄–>庫目錄
• 2.新增庫目錄： 
  $(CUDA_PATH)\lib\x64

1.3 依賴項

• 1. 配置屬性–>聯結器–>輸入–>附加依賴項
• 1. 新增庫檔案： 
     cublas.lib
     cublas_device.lib
     cuda.lib
     cudadevrt.lib
     cudart.lib
     cudart_static.lib
     cufft.lib
     cufftw.lib
     curand.lib
     cusolver.lib
     cusparse.lib
     nppc.lib
     nppi.lib
     nppial.lib
     nppicc.lib
     nppicom.lib
     nppidei.lib
     nppif.lib
     nppig.lib
     nppim.lib
     nppist.lib
     nppisu.lib
     nppitc.lib
     npps.lib
     nvblas.lib
     nvcuvid.lib
     nvgraph.lib
     nvml.lib
     nvrtc.lib
     OpenCL.lib
     cudnn.lib（選填，當安裝cudnn時）（都新增上是沒有錯的，相信我）
     

注意：新增nvcuvenc.lib庫檔案，編譯時，報找不到該檔案的錯誤。去掉後，程式也能執行

接下來把下面程式拷貝到去

// CUDA runtime 庫 + CUBLAS 庫 
#include "cuda_runtime.h" 
#include "cublas_v2.h" 
#include <time.h> 
#include <iostream> 

using namespace std;
// 定義測試矩陣的維度 
int const M = 5;
int const N = 10;
int main()
{
// 定義狀態變數 
cublasStatus_t status; 
// 在記憶體中為將要計算的矩陣開闢空間 
float *h_A = (float*)malloc(N*M*sizeof(float));
float *h_B = (float*)malloc(N*M*sizeof(float));
// 在 記憶體 中為將要存放運算結果的矩陣開闢空間 
float *h_C = (float*)malloc(M*M*sizeof(float));
// 為待運算矩陣的元素賦予 0-10 範圍內的隨機數 
for (int i = 0; i<N*M; i++) {
    h_A[i] = (float)(rand() % 10 + 1);
    h_B[i] = (float)(rand() % 10 + 1);
}
// 列印待測試的矩陣 
cout << "矩陣 A :" << endl;
for (int i = 0; i<N*M; i++){
    cout << h_A[i] << " ";
    if ((i + 1) % N == 0) cout << endl;
}
cout << endl;
cout << "矩陣 B :" << endl;
for (int i = 0; i<N*M; i++){
    cout << h_B[i] << " ";
    if ((i + 1) % M == 0) cout << endl;
}
cout << endl;
/*
    ** GPU 計算矩陣相乘
    */
// 建立並初始化 CUBLAS 庫物件
cublasHandle_t handle;
status = cublasCreate(&handle);
if (status != CUBLAS_STATUS_SUCCESS)
{
    if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
        cout << "CUBLAS 物件例項化出錯" << endl;
    }
    getchar();
    return EXIT_FAILURE;
}
float *d_A, *d_B, *d_C;
// 在 視訊記憶體 中為將要計算的矩陣開闢空間 
cudaMalloc(
    (void**)&d_A, // 指向開闢的空間的指標 
    N*M * sizeof(float) //　需要開闢空間的位元組數 
    );
cudaMalloc(
    (void**)&d_B,
    N*M * sizeof(float)
    );
// 在 視訊記憶體 中為將要存放運算結果的矩陣開闢空間 
cudaMalloc(
    (void**)&d_C,
    M*M * sizeof(float)
    );
// 將矩陣資料傳遞進 視訊記憶體 中已經開闢好了的空間 
cublasSetVector(
    N*M, // 要存入視訊記憶體的元素個數 
    sizeof(float), // 每個元素大小 
    h_A, // 主機端起始地址 
    1, // 連續元素之間的儲存間隔 
    d_A, // GPU 端起始地址 
    1 // 連續元素之間的儲存間隔 
    );
cublasSetVector(
    N*M,
    sizeof(float),
    h_B,
    1,
    d_B,
    1
    );
// 同步函式
cudaThreadSynchronize();
// 傳遞進矩陣相乘函式中的引數，具體含義請參考函式手冊。 
float a = 1; float b = 0;
// 矩陣相乘。該函式必然將陣列解析成列優先陣列 
cublasSgemm(
    handle, // blas 庫物件 
    CUBLAS_OP_T, // 矩陣 A 屬性引數 
    CUBLAS_OP_T, // 矩陣 B 屬性引數
    M, // A, C 的行數 
    M, // B, C 的列數
    N, // A 的列數和 B 的行數
    &a, // 運算式的 α 值 
    d_A, // A 在視訊記憶體中的地址 
    N, // lda 
    d_B, // B 在視訊記憶體中的地址 
    M, // ldb 
    &b, // 運算式的 β 值 
    d_C, // C 在視訊記憶體中的地址(結果矩陣) 
    M // 
    );
// 同步函式 
cudaThreadSynchronize();
// 從 視訊記憶體 中取出運算結果至 記憶體中去
cublasGetVector(M*M, // 要取出元素的個數 
    sizeof(float), // 每個元素大小 
    d_C, // GPU 端起始地址 
    1, // 連續元素之間的儲存間隔 
    h_C, // 主機端起始地址
    1 // 連續元素之間的儲存間隔 
    );
// 列印運算結果 
cout << "計算結果的轉置 ( (A*B)的轉置 )：" << endl;
for (int i = 0; i<M*M; i++){
    cout << h_C[i] << " ";
    if ((i + 1) % M == 0) cout << endl;
}
// 清理掉使用過的記憶體 
free(h_A);
free(h_B);
free(h_C);
cudaFree(d_A);
cudaFree(d_B);
cudaFree(d_C);
// 釋放 CUBLAS 庫物件
cublasDestroy(handle);
getchar();
return 0;
}

執行結構貼上，錯誤已解決，不容易啊，