我想开发一个库，其中包含能够在CPU或GPU上运行的算法。GPU可以是Nvidia（那么算法将使用CUDA）或其他（那么算法将使用OpenCL）。
我想在这个项目中模拟GPU，因为可能：
我将使用不同的计算机来开发软件，其中一些计算机没有GPU。
该软件最终将在可能有GPU或没有GPU的服务器上执行，单元测试必须执行并通过。
是否有办法模拟GPU进行单元测试？
在以下链接中：
GPU Emulator for CUDA programming without the hardware
他们提供了一个解决方案，但仅适用于CUDA，而非OpenCL，并且他们提出的软件"GPUOcelot"不再得到积极维护。
我不知道最新的技术发展情况，但我可以提供一些有限的东西供参考，这可能会有所帮助。
这个问题的被接受答案已经过时了。在这里，关于在不支持CUDA或OpenCL的机器上编译和运行GPU代码的问题已经出现了多次（但可悲的是，它经常被视为离题）。这个答案也适用于那些问题。
许多答案都涉及到未维护的软件解决方案。似乎只有两个答案经得起时间的考验，将其视为mu question。
然而模拟器确实存在。
GPU虚拟化也在维基百科页面上得到了很好的覆盖。有强烈的支持，使虚拟机使用主机硬件。
Docker和VirtualBox都支持GPU透传。
对于测试，只要实现符合标准且可靠，您可能会接受较慢的实现。
对于在不同硬件上运行的生产环境，您更可能接受类似但不完全相同的结构（例如不同的warp大小，不同的高级FFT库等），以及更复杂的性能优化基元实现。您可能要求至少达到与可比硬件相当的Cuda速度的80％。
（感谢https://stackoverflow.com/users/13130048/sebastian提供这两个观点）
对于第二种情况，您可能不仅需要GPU虚拟化，还需要进行额外的优化处理。
可以说，更多了解这些内容的程序员是必要的。编译代码并不会直接运行和测试，这显然是不专业的。因此，在你没有所有可能或有趣的硬件组合物理上可用的情况下，模拟应运而生。
既然如此，令人惊讶的是，许多这些模拟项目都未经得住时间的考验，也未经GPU制造商的认可或提供。
但是，仍有一些活跃的模拟项目存在。
截至2022年10月，至少有两个活跃的模拟项目在维护中：
我无法确定它们的好坏以及与使用真实GPU（自己的或租用的）相比使用的普遍程度。
Cuda到OpenCL源代码转换器。这些似乎是维护良好的，但它们本身不是仿真器。
有许多挑战需要克服。我的看法是：
你也可以认为，几乎所有从事这个领域的人都可以访问真正的GPU，因此这并不是必要的。
第3点的供应商在点1、2和4方面做得很好。 仿真器必须在此基础上建立自己的思路。 这是一场艰苦的斗争。我希望并相信未来会取得成功。
看看virtualbox，我能找到的最后一次讨论是2011年。
这些项目曾在之前的提问和回答中被提到过。
其他看似已经停止维护的项目：
无需硬件的CUDA编程GPU模拟器 提问于2010年 - 最新回答于2016年
没有启用CUDA的GPU的CUDA 提问于2010年
如何模拟GPU以测试使用Pytorch编写的代码? 提问于2021年 - Pytorch特定
没有GPU的CUDA代码 提问于2014年
在没有GPU的系统上使用CUDA 提问于2013年
