# 3.11。使用 CUDA 模拟器 调试 CUDA Python > 原文： [http://numba.pydata.org/numba-doc/latest/cuda/simulator.html](http://numba.pydata.org/numba-doc/latest/cuda/simulator.html) Numba 包含一个 CUDA Simulator，它使用 Python 解释器和一些额外的 Python 代码实现 CUDA Python 中的大部分语义。这可以用于调试 CUDA Python 代码，方法是在代码中添加 print 语句，或者使用调试器逐步执行单个线程。 内核的执行由模拟器一次一个块执行。为块中的每个线程生成一个线程，并且将这些线程的执行调度留给操作系统。 ## 3.11.1。使用模拟器 通过将环境变量 [`NUMBA_ENABLE_CUDASIM`](../reference/envvars.html#envvar-NUMBA_ENABLE_CUDASIM) 设置为 1 来启用模拟器。然后可以正常执行 CUDA Python 代码。在内核中使用调试器的最简单方法是仅停止单个线程，否则难以处理与调试器的交互。例如，下面的内核将在线程`<<<(3,0,0), (1, 0, 0)>>>`中停止： ```py @cuda.jit def vec_add(A, B, out): x = cuda.threadIdx.x bx = cuda.blockIdx.x bdx = cuda.blockDim.x if x == 1 and bx == 3: from pdb import set_trace; set_trace() i = bx * bdx + x out[i] = A[i] + B[i] ``` 当使用一维网格和一维块调用时。 ## 3.11.2。支持的功能 该模拟器旨在尽可能在真实 GPU 上提供完整的执行模拟 - 特别是，支持以下内容： * 原子操作 * 恒定记忆 * 本地记忆 * 共享内存：共享内存数组的声明必须位于不同的源代码行上，因为模拟器使用源代码行信息来跟踪跨线程的共享内存分配。 * 支持 [`syncthreads()`](../cuda-reference/kernel.html#numba.cuda.syncthreads "numba.cuda.syncthreads") - 但是，在发散线程进入不同的 [`syncthreads()`](../cuda-reference/kernel.html#numba.cuda.syncthreads "numba.cuda.syncthreads") 调用的情况下，启动不会失败，但会发生意外行为。未来版本的模拟器可以检测到这种情况。 * 支持流 API，但与实际设备不同，所有操作都按顺序和同步进行。因此，在流上进行同步是一种无操作。 * 还支持事件 API，但不提供有意义的计时信息。 * 与 GPU 之间的数据传输 - 特别是使用 [`device_array()`](../cuda-reference/memory.html#numba.cuda.device_array "numba.cuda.device_array") 和 [`device_array_like()`](../cuda-reference/memory.html#numba.cuda.device_array_like "numba.cuda.device_array_like") 创建数组对象。固定存储器 [`pinned()`](../cuda-reference/memory.html#numba.cuda.pinned "numba.cuda.pinned") 和 [`pinned_array()`](../cuda-reference/memory.html#numba.cuda.pinned_array "numba.cuda.pinned_array") 的 API 也受支持，但不会发生钉扎。 * 支持 GPU 上下文列表（`cuda.gpus`和`cuda.cudadrv.devices.gpus`）的驱动程序 API 实现，并报告单个 GPU 上下文。这个上下文可以像真正的那样关闭和重置。 * 支持 [`detect()`](../cuda-reference/host.html#numba.cuda.detect "numba.cuda.detect") 功能，并报告一个名为 <cite>SIMULATOR</cite> 的设备。 模拟器的一些限制包括： * 它不执行类型检查/类型推断。如果 jitted 函数的任何参数类型不正确，或者任何局部变量类型的规范不正确，模拟器将无法检测到。 * 仅模拟一个 GPU。 * 不支持对单个 GPU 的多线程访问，这将导致意外行为。 * 大多数驱动程序 API 未实现。 * 无法将 PTX 代码与 CUDA Python 函数链接。 * Warp 和 warp 级操作尚未实现。 显然，模拟器的速度也远低于真实设备的速度。可能需要减小输入数据的大小和 CUDA 网格的大小，以便使模拟器易于调试。