質問：実際のハードウェアがなくてもCUDAをプログラムおよびテストできるGeforceカードのエミュレーターはありますか？

情報：

私はCUDAで私のシミュレーションをいくつか高速化しようと思っていますが、私の問題は、この開発を行うために常にデスクトップの周りにいるわけではないということです。代わりにネットブックで作業したいのですが、ネットブックにGPUがありません。私が知る限り、CUDAを実行するにはCUDA対応のGPUが必要です。これを回避する方法はありますか？唯一の方法はGPUエミュレーターであるように思われます（明らかに低速ですが、動作します）。しかし、これを実行する方法が何であれ、聞きたいと思います。

Ubuntu 10.04 LTSでプログラミングしています。

2016年（さらには2017年）に答えを求めている人のために...

免責事項

• 結局、GPUのエミュレーションに失敗しました。
• gpuocelot依存関係のリストを満たしている場合は、使用できる可能性があります。

BunsenLabs（Linux 3.16.0-4-686-pae＃1 SMP Debian 3.16.7-ckt20-1 + deb8u4（2016-02-29）i686 GNU / Linux）のエミュレーターを入手しようとしました。

私が学んだことをお話しします。

1. nvcc-deviceemuCUDA Toolkit 3.0でオプションを戻すために使用されていました

   CUDA Toolkit 3.0をダウンロードしてインストールし、簡単なプログラムを実行しようとしました。

   #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;
   }

   CUDAツールキット3.0がいることを注意nvccしていました/usr/local/cuda/bin/。

   それをコンパイルするのが難しいことがわかりました：

   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".

   私はインターネットgcc-4.2でgcc-4.9.2、エラーの代わりに使用したり、同様に古いものを使用したりすると、エラーが消える可能性があることを発見しました。私はあきらめた。

   ---

2. gpuocelot

   ストリンガーの答えには、非常に古いgpuocelotプロジェクトのWebサイトへのリンクがあります。なので最初は2012年くらいにプロジェクトが断念したと思いました。実際、それは数年後に放棄されました。

   ここにいくつかの最新のウェブサイトがあります：

   • GitHub ;
   • プロジェクトのウェブサイト ;
   • インストールガイド。

   ガイドに従ってgpuocelotをインストールしてみました。しかし、インストール中にいくつかのエラーが発生し、あきらめました。gpuocelotはサポートされなくなり、特定のバージョンのライブラリとソフトウェアのセットに依存しています。

   2015年7月からこのチュートリアルを試してみるかもしれませんが、動作するかどうかは保証できません。私はそれをテストしていません。

   ---

3. MCUDA

   MCUDA変換フレームワークは、CUDAプログラミングモデルをCPUアーキテクチャに効果的にコンパイルするように設計されたLinuxベースのツールです。

   役に立つかもしれません。ここにウェブサイトへのリンクがあります。

   ---

4. CUDA廃棄物

   これは、Windows 7および8で使用するエミュレーターです。私はまだ試していません。それはもう開発されていないようです（最後のコミットは2013年7月4日）。

   プロジェクトのウェブサイトへのリンクは次のとおりです：https : //code.google.com/archive/p/cuda-waste/

5. CU2CL

   最終更新日：2017年12月3日

   ダッシュとしてコメントで指摘し、CU2CLは興味深いプロジェクトのようです。CUDAコードをOpenCLコードに変換できるようです。したがって、GPUがOpenCLコードを実行できる場合は、CU2CLプロジェクトが興味深いかもしれません。

   リンク：

   • CU2CLホームページ
   • CU2CL GitHubリポジトリ

この応答は遅すぎるかもしれませんが、とにかく注目する価値があります。エミュレーターまたはLLVMバックエンドを使用する場合は、CUDAデバイスドライバー（libcuda.so）をインストールしなくても、GPU Ocelot（そのうちの1つがコアコントリビューターです）をコンパイルできます。NVIDIA GPUのないシステムでエミュレータをデモしました。

エミュレータは、古いGPUがサポートしていない機能を含む可能性のあるPTX 1.4およびPTX 2.1仕様を忠実に実装しようとします。LLVMトランスレーターは、PTXからx86への正確かつ効率的な変換を目指しており、CUDAがGPUだけでなくマルチコアCPUをプログラミングする効果的な方法になることを願っています。-deviceemuかなり以前からCUDAの非推奨機能でしたが、LLVMトランスレータは常に高速でした。

さらに、いくつかの正当性チェッカーがエミュレーターに組み込まれて検証されます。整列されたメモリアクセス、共有メモリへのアクセスが適切に同期され、グローバルメモリ参照解除がメモリの割り当てられた領域にアクセスします。また、主にgdbに触発されたコマンドラインインタラクティブデバッガーを実装し、CUDAカーネルをシングルステップで実行し、ブレークポイントやウォッチポイントを設定しました。これらのツールは、CUDAプログラムのデバッグを促進するために特別に開発されました。あなたはそれらが役に立つかもしれません。

Linuxのみの側面については申し訳ありません。私たちはWindowsブランチ（およびMac OS Xポート）を開始しましたが、エンジニアリングの負担はすでに私たちの研究の追求を強調するのに十分な大きさです。時間と興味をお持ちの方がいらっしゃれば、Windowsのサポートを提供していただけると助かります。

お役に立てれば。

• [1]：GPU Ocelot- https ://code.google.com/archive/p/gpuocelot/
• [2]：Ocelot Interactive Debugger- http ://forums.nvidia.com/index.php?showtopic= 174820

PTX（CUDAコードが変換されたバイトコード）がエミュレートされるという意味で、真のエミュレーターであるgpuocelotプロジェクトも確認できます。

LLVMトランスレータもあります。-deviceemuを使用する場合よりも高速かどうかをテストすることは興味深いでしょう。

CUDAツールキットには、CUDA 3.0のリリースサイクルまで組み込まれていました。これらの非常に古いバージョンのCUDAの1つを使用している場合は、nvccでコンパイルするときに必ず-deviceemuを使用してください。

https://github.com/hughperkins/cuda-on-clを使用すると、OpenCL 1.2 GPUでNVIDIA®CUDA™プログラムを実行できます（完全な開示：私は作成者です）

-deviceemuを使用してプログラミングするときは、エミュレーションモード中にnvccが受け入れる操作があるが、実際にGPUで実行しているときはないので注意してください。これは主にデバイスとホストの相互作用で見られます。

そして、あなたが言ったように、いくつかの遅い実行の準備をします。

GPGPU-Simは、GPUを使用せずにCUDAプログラムを実行できるGPUシミュレーターです。役立つ場合に備えて、自分用にGPGPU-SimがインストールされたDockerイメージを作成しました。