我正在编写一个包含 cuda 代码的共享库，但是与 cuda 相关的代码只是该库的一小部分，在大多数用例中，用户甚至不需要与 cuda 相关的功能。 对我来说，我不想编译和发布两个版本：CPU 版本和 GPU 版本。所以我想检测用户运行时是否可以使用 cuda/GPU 环境，无论他们是否有显卡，这可能吗？我已经搜索了一些答案，但我仍然不清楚库用户在运行时“检测 cuda”的最低要求是什么？
因为我发布了一个共享库，它动态链接到 cuda，所以我想用户至少需要在他的机器上安装 cuda 工具包，不管他有没有 GPU？否则，在尝试查找 cuda.so 时，我的库会在一开始就失败？我的理解正确吗……？发布与 GPU/非 GPU 环境兼容的库并决定运行时行为的最佳做法是什么？
【问题讨论】：
标签： cuda
对于使用CUDA runtime library/API的应用程序：
将您的应用或共享库静态链接到libcudart.so。使用nvcc 编译时，这是自动的，但您可以根据需要指定-cudart static。这不会触发针对libcuda.so的隐式动态链接
在您的程序/库的早期，执行“无害”的 CUDA 调用，例如 cudaGetDevice()。如果您收到错误代码，可以安全地假设 CUDA 在该系统上不起作用，您不应尝试使用它。
此方法不需要在目标机器上安装 CUDA 工具包。假设您只使用 CUDA 运行时库，那么这就是所有需要的。如果机器安装了适当的 GPU 和驱动程序，其版本足以支持静态链接到您的库的 libcudart 版本，那么它将正常工作。
如果您的应用程序使用其他 CUDA 库，例如 CUBLAS 等，那么这些库也需要静态链接到您的应用程序/库。
This answer 有一个例子，尽管它主要考虑的是 CUFFT。
【讨论】：