我有一个带有某些__host__ __device__函数的库。我还有一个#ifdef __CUDACC__ gadget，可确保常规C ++编译器看不到__host__ __device__，因此可以编译这些功能。
现在，我想在普通的C ++静态库文件（在Linux中为.a）中使用库函数的已编译主机端版本-我甚至希望该库在CUDA不可用时可以编译；我想将编译后的设备端版本放在单独的静态库中。
我想我几乎在那里，但是由于链接错误而卡住了。这是此类库的玩具资源，测试程序（调用函数的设备端版本和主机端版本）以及我使用的构建命令。
我怎么了？
my_lib.hpp（库标题）：#ifdef __CUDACC__
__host__ __device__
#endif
void foo(int*x, int* y);
int bar();
my_lib.cu（库来源）：#include "my_lib.hpp"
#ifdef __CUDACC__
__host__ __device__
#endif
void foo(int*x, int* y) { *x = *y; }
int bar() { return 5; }
main.cu（测试程序）：#include "my_lib.hpp"
__global__ void my_kernel() {
int z { 78 };
int w { 90 };
foo(&z,&w);
}
int main() {
int z { 123 };
int w { 456 };
foo(&z,&w);
my_kernel<<<1,1>>>();
cudaDeviceSynchronize();
cudaDeviceReset();
}
我的构建命令：
c++ -c -x c++ -o my_lib-noncuda.o my_lib.cu
ar qc my_lib-noncuda.a my_lib-noncuda.o
ranlib my_lib-noncuda.a
nvcc -dc -o my_lib-cuda.o my_lib.cu
ar qc my_lib-cuda.a my_lib-cuda.o
ranlib my_lib-cuda.a
nvcc -dc -o main.rdc.o main.cu
nvcc -dlink -o main.o main.rdc.o my_lib-cuda.a
c++ -o main main.o my_lib-noncuda.a -lcudart
以及我得到的错误-最后，链接命令：
/usr/bin/ld: main.o: in function `__cudaRegisterLinkedBinary_39_tmpxft_00003f88_00000000_6_main_cpp1_ii_e7ab3416':
link.stub:(.text+0x5a): undefined reference to `__fatbinwrap_39_tmpxft_00003f88_00000000_6_main_cpp1_ii_e7ab3416'
/usr/bin/ld: main.o: in function `__cudaRegisterLinkedBinary_41_tmpxft_00003f69_00000000_6_my_lib_cpp1_ii_ab44b3f6':
link.stub:(.text+0xaa): undefined reference to `__fatbinwrap_41_tmpxft_00003f69_00000000_6_my_lib_cpp1_ii_ab44b3f6'
collect2: error: ld returned 1 exit status
注意：
tl; dr：如果将main()与内核调用分开，则拆分库设置可以工作。
让我们将您的示例修改为我认为您实际使用的情况。修改将main()放入要由.cpp编译的g++文件中，并将CUDA代码放入要由.cu编译的单独的nvcc文件中。这对于使您的两库设置工作非常重要。这是合理的，因为“ [主要包含要求单独编译和链接的CUDA内核”是nvcc编译模型的特例。
重组后的代码：
main.cu：
include "my_lib.hpp"
__global__ void my_kernel() {
int z { 78 };
int w { 90 };
foo(&z,&w);
}
int cudamain()
{
my_kernel<<<1,1>>>();
return 0;
}
main.cpp：
#include <cuda_runtime_api.h>
#include "my_lib.hpp"
extern int cudamain();
int main() {
int z { 123 };
int w { 456 };
foo(&z,&w);
cudamain();
cudaDeviceSynchronize();
cudaDeviceReset();
}
所有其他文件仍保留在问题中。
构建程序所需的命令现在为：
c++ -c -x c++ -o my_lib-noncuda.o my_lib.cu
ar qc my_lib-noncuda.a my_lib-noncuda.o
ranlib my_lib-noncuda.a
nvcc -std=c++11 -dc -o my_lib-cuda.rdc.o my_lib.cu
ar qc my_lib-cuda.a my_lib-cuda.rdc.o
ranlib my_lib-cuda.a
# Until this line - identical to what you have tried in your question
nvcc -std=c++11 -c -rdc=true main.cu -o main.cu.o
nvcc -dlink -o main.o main.cu.o my_lib-cuda.a
c++ -std=c++11 -o main main.cpp main.o main.cu.o -I/path/to/cuda/include \
-L/path/to/cuda/lib64 my_lib-cuda.a my_lib-noncuda.a -lcudart -lcudadevrt
要记住的重要事项是，主机端组件需要在构建中继续进行。因此，您必须将CUDA主机代码的nvcc输出传递给主链接，并且还必须将CUDA侧库添加到主链接。否则，将缺少对代码的主机端运行时API支持。另请注意，必须链接设备运行时库才能使此工作生效。
这是创建两个库的方法，一个仅包含CUDA设备功能，另一个仅包含主机功能。您可以省略“复杂的” #if和#ifndef防护。但是，您的库my_lib-cuda.a中也将包含“非CUDA代码”。
有关其他问题，请参见@talonmies社区Wiki答案，或参考我已经在评论中发布的链接：https://devblogs.nvidia.com/separate-compilation-linking-cuda-device-code/-“高级用法：使用其他链接器”一节。
my_lib.cu
#include "my_lib.hpp"
#ifdef __CUDA_ARCH__
__device__
#endif
#if (defined __CUDA_ARCH__) || (not defined __CUDACC__)
void foo(int*x, int* y) { *x = *y; }
#endif
#ifndef __CUDACC__
int bar() { return 5; }
#endif
库的构建过程保持不变。
[构建CUDA程序：（通过仅使用nvcc而不是c++进行简化，或者来看看@talonmies社区Wiki答案）
nvcc -dc main.cu -o main.o
nvcc main.o my_lib-cuda.a my_lib-nocuda.a -o main
如果如上所述也省略了my_lib-nocuda.a中的#if和#ifndef，则可以省略my_lib.cu的链接。
[构建C ++程序：（假设#ifdef __CUDACC__中的CUDA代码周围有main.cu防护）
c++ -x c++ -c main.cu -o main.o
c++ main.o my_lib-nocuda.a -o main