cuda - GPU 仿真器，无需硬件即可进行 CUDA 编程

Question

已结束。此问题正在寻求书籍、工具、软件库等的推荐。它不满足 Stack Overflow guidelines 。目前不接受答案。

---

我们不允许提出寻求书籍、工具、软件库等推荐的问题。您可以编辑问题，以便用事实和引文来回答。

已关闭 4 年前。

Improve this question

问题:是否有适用于 Geforce 卡的模拟器，可以让我在没有实际硬件的情况下编程和测试 CUDA？

<小时/>

信息:

我希望加快 CUDA 中的一些模拟速度，但我的问题是我并不总是在桌面周围进行此开发。我想在我的上网本上做一些工作，但我的上网本没有 GPU。现在据我所知，您需要一个支持 CUDA 的 GPU 才能运行 CUDA。有办法解决这个问题吗？似乎唯一的方法是 GPU 模拟器(这显然会非常慢，但可以工作)。但无论有什么方法可以做到这一点，我都想听听。

我正在 Ubuntu 10.04 LTS 上编程。

Answer 1

对于那些在 2016 年(甚至 2017 年)寻求答案的人......

<小时/>

免责声明

• 我终究没能模拟 GPU。
• 如果您满足其列表，则可以使用 gpuocelot依赖关系。

我尝试为 BunsenLabs 获取模拟器(Linux 3.16.0-4-686-pae #1 SMPDebian 3.16.7-ckt20-1+deb8u4 (2016-02-29) i686 GNU/Linux)。

我会告诉你我学到了什么。

<小时/>

1. nvcc 曾经在 CUDA Toolkit 3.0 中具有 -deviceemu 选项

   我下载了 CUDA Toolkit 3.0，安装了它并尝试运行一个简单的程序:

   #include <stdio.h>
   
   __global__ void helloWorld() {
       printf("Hello world! I am %d (Warp %d) from %d.\n",
           threadIdx.x, threadIdx.x / warpSize, blockIdx.x);
   }
   
   int main() {
       int blocks, threads;
       scanf("%d%d", &blocks, &threads);
       helloWorld<<<blocks, threads>>>();
       cudaDeviceSynchronize();
       return 0;
   }
   

   请注意，在 CUDA Toolkit 3.0 中，nvcc 位于 /usr/local/cuda/bin/ 中。

   事实证明我在编译时遇到了困难:

   NOTE: device emulation mode is deprecated in this release
         and will be removed in a future release.
   
   /usr/include/i386-linux-gnu/bits/byteswap.h(47): error: identifier "__builtin_bswap32" is undefined
   
   /usr/include/i386-linux-gnu/bits/byteswap.h(111): error: identifier "__builtin_bswap64" is undefined
   
   /home/user/Downloads/helloworld.cu(12): error: identifier "cudaDeviceSynchronize" is undefined
   
   3 errors detected in the compilation of "/tmp/tmpxft_000011c2_00000000-4_helloworld.cpp1.ii".
   

   我在互联网上发现，如果我使用 gcc-4.2 或类似的古老版本而不是 gcc-4.9.2，错误可能会消失。我放弃了。

   ---

2. gpuocelot

   Stringer 的答案有一个非常古老的 gpuocelot 项目网站的链接。所以一开始我以为这个项目在2012年左右就被放弃了。事实上，几年后它就被废弃了。

   以下是一些最新网站:

   • GitHub ;
   • Project's website ;
   • Installation guide .

   我尝试按照 the guide 安装 gpuocelot 。但我在安装过程中遇到了一些错误，我再次放弃了。 gpuocelot 不再受支持，并且依赖于一组非常特定版本的库和软件。

   您可以尝试关注this tutorial从 2015 年 7 月开始，但我不保证它会起作用。我没有测试过。

   ---

3. MCUDA

   The MCUDA translation framework is a linux-based tool designed to effectively compile the CUDA programming model to a CPU architecture.

   这可能有用。这是a link to the website .

   ---

4. CUDA 浪费

   它是一个在 Windows 7 和 8 上使用的模拟器。不过我还没有尝试过。它似乎不再被开发(最后一次提交日期为 2013 年 7 月 4 日)。

   以下是该项目网站的链接:https://code.google.com/archive/p/cuda-waste/

<小时/>

CU2CL

最后更新:2017 年 3 月 12 日

如dashesy评论中指出，CU2CL似乎是一个有趣的项目。它似乎能够将 CUDA 代码转换为 OpenCL 代码。因此，如果您的 GPU 能够运行 OpenCL 代码，那么您可能会对 CU2CL 项目感兴趣。

链接:

• CU2CL homepage
• CU2CL GitHub repository