问题：是否有用于Geforce卡的仿真器，可让我在没有实际硬件的情况下对CUDA进行编程和测试？

信息：

我希望加快CUDA中我的模拟速度，但是我的问题是，我并不总是在桌面上进行此开发。我想在上网本上做一些工作，但是上网本没有GPU。现在，据我所知，您需要具有CUDA功能的GPU才能运行CUDA。有办法解决这个问题吗？看来唯一的方法就是使用GPU仿真器（显然它会很慢，但可以正常工作）。但是，我想听听用什么方法做到这一点。

我正在Ubuntu 10.04 LTS上编程。

对于那些在2016年（甚至2017年）寻求答案的人...

免责声明

• 我毕竟无法模拟GPU。
• gpuocelot如果满足其依赖关系列表，则可能可以使用。

我已经尝试为BunsenLabs（Linux 3.16.0-4-686-pae＃1 SMP Debian 3.16.7-ckt20-1 + deb8u4（2016-02-29）i686 GNU / Linux）创建了一个仿真器。

我会告诉你我学到的东西。

1. nvcc过去-deviceemu在CUDA Toolkit 3.0中具有选项

   我下载了CUDA Toolkit 3.0，将其安装并尝试运行一个简单程序：

   #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，CUDA Toolkit 3.0 nvcc在中/usr/local/cuda/bin/。

   事实证明，我在编译它时遇到了困难：

   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Internet上发现，如果我使用gcc-4.2或类似的方式来代替，gcc-4.9.2错误可能会消失。我放弃。

   ---

2. gpuocelot

   斯金格的答案有一个非常老的gpuocelot项目网站的链接。因此，起初我以为该项目在2012年左右就被放弃了。实际上，几年后它被废弃了。

   以下是一些最新的网站：

   • GitHub ;
   • 项目网站；
   • 安装指南。

   我尝试按照指南安装gpuocelot 。我在安装过程中遇到了几个错误，但我又放弃了。gpuocelot不再受支持，它取决于一组非常特定的库和软件版本。

   您可能会尝试从2015年7月开始阅读本教程，但我不能保证它会起作用。我还没有测试。

   ---

3. 微控制器

   MCUDA转换框架是基于Linux的工具，旨在将CUDA编程模型有效地编译为CPU架构。

   这可能很有用。这是网站的链接。

   ---

4. CUDA废物

   它是在Windows 7和8上使用的仿真器。虽然我没有尝试过。它似乎不再开发了（最后一次提交日期为2013年7月4日）。

   这是项目网站的链接：https : //code.google.com/archive/p/cuda-waste/

5. CU2CL

   最近更新：12.03.2017

   作为dashesy在评论中指出，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，则您可能会喜欢CU2CL项目。

   链接：

   • CU2CL主页
   • CU2CL GitHub存储库

此响应可能为时已晚，但是仍然值得注意。如果您希望使用Emulator或LLVM后端，则可以在不安装CUDA设备驱动程序（libcuda.so）的情况下编译GPU Ocelot（我是其中的主要贡献者）。我已经在没有NVIDIA GPU的系统上演示了该模拟器。

仿真器尝试忠实地实现PTX 1.4和PTX 2.1规范，这些规范可能包括较旧的GPU不支持的功能。LLVM转换器努力将PTX正确正确地转换为x86，这有望使CUDA成为对多核CPU和GPU进行编程的有效方法。-deviceemu在相当长的一段时间内，CUDA一直不推荐使用它，但是LLVM转换器始终更快。

此外，模拟器中还内置了几个正确性检查器，以进行以下验证：对齐的内存访问，对共享内存的访问已正确同步，并且全局内存取消了对分配给内存区域的访问的引用。我们还实现了一个命令行交互式调试器，该调试器的灵感主要来自于gdb，它可以单步浏览CUDA内核，设置断点和观察点等。您可能会发现它们很有用。

对不起，仅Linux方面。我们已经启动了Windows分支（以及Mac OS X端口），但是工程负担已经很大，足以强调我们的研究追求。如果任何人有时间和兴趣，他们可能希望帮助我们为Windows提供支持！

希望这可以帮助。

• [1]：GPU Ocelot- https : //code.google.com/archive/p/gpuocelot/
• [2]：Ocelot交互式调试器-http://forums.nvidia.com/index.php?showtopic= 174820

您还可以检查gpuocelot项目，这是一个真正的模拟器，可以模拟PTX（转换为CUDA代码的字节码）。

还有一个LLVM转换器，测试它是否比使用-deviceemu时更快更有趣。

直到CUDA 3.0发布周期为止，CUDA工具箱都内置了该工具箱。我使用的是CUDA的非常旧的版本之一，请确保在使用nvcc进行编译时使用-deviceemu。

https://github.com/hughperkins/cuda-on-cl允许您在OpenCL 1.2 GPU上运行NVIDIA®CUDA™程序（全部披露：我是作者）

使用-deviceemu进行编程时请务必小心，因为在仿真模式下，nvcc会接受某些操作，而在GPU上实际运行时则不会。这主要是在设备与主机的交互中发现的。

正如您提到的，准备执行一些缓慢的操作。

GPGPU-Sim是一种GPU模拟器，无需使用GPU即可运行CUDA程序。我创建了一个安装了GPGPU-Sim 的docker镜像，以防万一。