这种反应可能为时已晚，但无论如何都值得注意。如果您希望使用模拟器或 LLVM 后端，GPU Ocelot（我是其中的核心贡献者之一）可以在不安装 CUDA 设备驱动程序 (libcuda.so) 的情况下进行编译。我已经在没有 NVIDIA GPU 的系统上演示了模拟器。
模拟器试图忠实地实现 PTX 1.4 和 PTX 2.1 规范，其中可能包含旧 GPU 不支持的功能。LLVM 转换器致力于从 PTX 到 x86 的正确和高效转换，这有望使 CUDA 成为编程多核 CPU 和 GPU 的有效方法。-deviceemu很长一段时间以来，它一直是 CUDA 的一个弃用功能，但 LLVM 翻译器总是更快。
此外，模拟器中内置了几个正确性检查器来验证：对齐的内存访问，对共享内存的访问是否正确同步，以及全局内存取消引用访问分配的内存区域。我们还实现了一个主要受 gdb 启发的命令行交互式调试器，用于单步执行 CUDA 内核、设置断点和观察点等……这些工具是专门为加快 CUDA 程序的调试而开发的；您可能会发现它们很有用。
对不起，仅限 Linux 方面。我们已经启动了一个 Windows 分支（以及一个 Mac OS X 端口），但工程负担已经大到足以强调我们的研究追求。如果有人有任何时间和兴趣，他们不妨帮助我们提供对 Windows 的支持！
希望这可以帮助。
gpuocelot如果您满足其依赖项列表，则可能可以使用。我试图为 BunsenLabs 获得一个模拟器（Linux 3.16.0-4-686-pae #1 SMP Debian 3.16.7-ckt20-1+deb8u4 (2016-02-29) i686 GNU/Linux）。
我会告诉你我学到了什么。
nvcc曾经-deviceemu在 CUDA Toolkit 3.0 中有一个选项我下载了 CUDA Toolkit 3.0，安装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 3.0nvcc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".
我在互联网上发现，如果我使用gcc-4.2或类似古老的而不是gcc-4.9.2错误可能会消失。我放弃。
gpuocelotStringer 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。
以下是一些最新的网站：
我尝试按照指南安装 gpuocelot 。我在安装过程中遇到了几个错误，我又放弃了。gpuocelot不再受支持，并且依赖于一组非常特定版本的库和软件。
您可以尝试从 2015 年 7 月开始遵循本教程，但我不保证它会起作用。我没有测试过。
MCUDA 翻译框架是一个基于 linux 的工具，旨在有效地将 CUDA 编程模型编译为 CPU 架构。
它可能有用。这是该网站的链接。
它是在 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）。
您还可以检查gpuocelot项目，它是一个真正的模拟器，因为 PTX（CUDA 代码转换为的字节码）将被模拟。
还有一个 LLVM 翻译器，测试它是否比使用 -deviceemu 时更快会很有趣。
在 CUDA 3.0 发布周期之前， CUDA 工具包已经内置了一个。如果您使用这些非常旧的 CUDA 版本之一，请确保在使用 nvcc 编译时使用 -deviceemu。
https://github.com/hughperkins/cuda-on-cl让您可以在 OpenCL 1.2 GPU 上运行 NVIDIA® CUDA™ 程序（完全披露：我是作者）
使用 -deviceemu 进行编程时要小心，因为 nvcc 在仿真模式下会接受某些操作，但在 GPU 上实际运行时不会接受。这主要是在设备-主机交互中发现的。
正如你所提到的，准备一些缓慢的执行。