在运行时API代码中检查错误的最好方法可能是定义一个assert样式的处理函数和包装宏，如下所示:

#define gpuErrchk(ans) { gpuAssert((ans), __FILE__, __LINE__); }
inline void gpuAssert(cudaError_t code, const char *file, int line, bool abort=true)
{
   if (code != cudaSuccess) 
   {
      fprintf(stderr,"GPUassert: %s %s %d\n", cudaGetErrorString(code), file, line);
      if (abort) exit(code);
   }
}

然后你可以用gpuErrchk宏包装每个API调用，它将处理它包装的API调用的返回状态，例如:

gpuErrchk( cudaMalloc(&a_d, size*sizeof(int)) );

如果调用中出现错误，则将向stderr发送描述错误的文本消息以及发生错误的代码中的文件和行，并且应用程序将退出。如果需要，可以修改gpuAssert来引发异常，而不是在更复杂的应用程序中调用exit()。

第二个相关问题是如何检查内核启动中的错误，这些错误不能像标准运行时API调用那样直接包装在宏调用中。对于内核，是这样的:

kernel<<<1,1>>>(a);
gpuErrchk( cudaPeekAtLastError() );
gpuErrchk( cudaDeviceSynchronize() );

将首先检查无效的启动参数，然后强制主机等待，直到内核停止并检查执行错误。同步可以被消除，如果你有一个后续的阻塞API调用，像这样:

kernel<<<1,1>>>(a_d);
gpuErrchk( cudaPeekAtLastError() );
gpuErrchk( cudaMemcpy(a_h, a_d, size * sizeof(int), cudaMemcpyDeviceToHost) );

在这种情况下，cudaMemcpy调用可以返回内核执行过程中发生的错误，也可以返回来自内存复制本身的错误。这可能会让初学者感到困惑，我建议在调试内核启动后使用显式同步，以便更容易理解哪里可能出现问题。

注意，当使用CUDA动态并行时，一个非常相似的方法可以并且应该应用于设备内核中CUDA运行时API的任何用法，以及在任何设备内核启动后:

#include <assert.h>
#define cdpErrchk(ans) { cdpAssert((ans), __FILE__, __LINE__); }
__device__ void cdpAssert(cudaError_t code, const char *file, int line, bool abort=true)
{
   if (code != cudaSuccess)
   {
      printf("GPU kernel assert: %s %s %d\n", cudaGetErrorString(code), file, line);
      if (abort) assert(0);
   }
}

CUDA Fortran错误检查是类似的。参见这里和这里的典型函数错误返回语法。使用类似CUDA c++的方法来收集与内核启动相关的错误。

Talonmies上面的回答是一种以断言风格的方式中止应用程序的好方法。

有时，我们可能希望在c++上下文中报告错误并从错误中恢复，这是大型应用程序的一部分。

下面是一个相当简洁的方法，通过使用thrust::system_error抛出一个派生自std::runtime_error的c++异常:

#include <thrust/system_error.h>
#include <thrust/system/cuda/error.h>
#include <sstream>

void throw_on_cuda_error(cudaError_t code, const char *file, int line)
{
  if(code != cudaSuccess)
  {
    std::stringstream ss;
    ss << file << "(" << line << ")";
    std::string file_and_line;
    ss >> file_and_line;
    throw thrust::system_error(code, thrust::cuda_category(), file_and_line);
  }
}

这将把文件名、行号和cudaError_t的英文描述合并到抛出异常的.what()成员中:

#include <iostream>

int main()
{
  try
  {
    // do something crazy
    throw_on_cuda_error(cudaSetDevice(-1), __FILE__, __LINE__);
  }
  catch(thrust::system_error &e)
  {
    std::cerr << "CUDA error after cudaSetDevice: " << e.what() << std::endl;

    // oops, recover
    cudaSetDevice(0);
  }

  return 0;
}

输出:

$ nvcc exception.cu -run
CUDA error after cudaSetDevice: exception.cu(23): invalid device ordinal

如果需要，some_function的客户端可以区分CUDA错误和其他类型的错误:

try
{
  // call some_function which may throw something
  some_function();
}
catch(thrust::system_error &e)
{
  std::cerr << "CUDA error during some_function: " << e.what() << std::endl;
}
catch(std::bad_alloc &e)
{
  std::cerr << "Bad memory allocation during some_function: " << e.what() << std::endl;
}
catch(std::runtime_error &e)
{
  std::cerr << "Runtime error during some_function: " << e.what() << std::endl;
}
catch(...)
{
  std::cerr << "Some other kind of error during some_function" << std::endl;

  // no idea what to do, so just rethrow the exception
  throw;
}

因为thrust::system_error是一个std::runtime_error，如果我们不需要前面例子的精度，我们可以选择以与广泛错误类相同的方式处理它:

try
{
  // call some_function which may throw something
  some_function();
}
catch(std::runtime_error &e)
{
  std::cerr << "Runtime error during some_function: " << e.what() << std::endl;
}

c++规范的方法是:不检查错误;使用抛出异常的c++绑定。

我曾经为这个问题感到烦恼;我曾经有一个宏加包装函数的解决方案，就像Talonmies和Jared的答案一样，但是，老实说?它使得使用CUDA运行时API更加丑陋，更像c语言。

所以我用一种不同的、更根本的方式来处理这个问题。对于结果的示例，这里是CUDA vectorAdd示例的一部分-对每个运行时API调用进行完整的错误检查:

// (... prepare host-side buffers here ...)

auto current_device = cuda::device::current::get();
auto d_A = cuda::memory::device::make_unique<float[]>(current_device, numElements);
auto d_B = cuda::memory::device::make_unique<float[]>(current_device, numElements);
auto d_C = cuda::memory::device::make_unique<float[]>(current_device, numElements);

cuda::memory::copy(d_A.get(), h_A.get(), size);
cuda::memory::copy(d_B.get(), h_B.get(), size);

auto launch_config = cuda::launch_config_builder()
    .overall_size(numElements)
    .block_size(256)
    .build();

cuda::launch(vectorAdd, launch_config,
    d_A.get(), d_B.get(), d_C.get(), numElements);    
cuda::memory::copy(h_C.get(), d_C.get(), size);

// (... verify results here...)

同样，所有潜在的错误都会被检查，如果发生错误则会出现异常(警告:如果内核在启动后导致了一些错误，它将在尝试复制结果之后被捕获，而不是在之前;为了确保内核运行成功，您需要同步设备或默认流)。

上面的代码使用my

用于CUDA运行时API库的Thin modern - c++包装器(Github)

请注意，在调用失败后，异常同时带有字符串解释和CUDA运行时API状态代码。

下面是一些关于如何使用这些包装器自动检查CUDA错误的链接:

一个测试程序抛出并捕获一堆异常 错误相关功能的文档

这里讨论的解决方案对我很有效。该解决方案使用内置cuda函数，实现非常简单。

相关代码复制如下:

#include <stdio.h>
#include <stdlib.h>

__global__ void foo(int *ptr)
{
  *ptr = 7;
}

int main(void)
{
  foo<<<1,1>>>(0);

  // make the host block until the device is finished with foo
  cudaDeviceSynchronize();

  // check for error
  cudaError_t error = cudaGetLastError();
  if(error != cudaSuccess)
  {
    // print the CUDA error message and exit
    printf("CUDA error: %s\n", cudaGetErrorString(error));
    exit(-1);
  }

  return 0;
}