cudalaunchkernel失败主因是运行时准备不足：未激活上下文、参数数组未动态分配、流未显式指定；设备端禁用stl容器；nvcc编译需用.cu后缀并正确定义宏；cudamalloc失败多因权限或驱动问题。
cudaLaunchKernel 调用失败：参数传错、流没设、上下文没激活
直接调用 cudaLaunchKernel 失败，十有八九不是并行逻辑问题，而是运行时准备没做全。CUDA C++ GPU 代码在主机端启动前，必须确保当前线程已关联 CUDA 上下文，且 kernel 参数按字节对齐打包成指针数组。
-
void**参数必须是二级指针，指向一个void*数组，每个元素对应 kernel 的一个参数（哪怕只是&value） - 不能直接传
{&a, &b}这种临时数组——得 malloc 一块内存，逐个赋值，最后传首地址 - 忘记调用
cudaStream_t stream = 0或显式传0，会导致 kernel 在默认流执行，但若之前有异步操作未同步，行为不可预测 - 常见错误信息：
cudaErrorInvalidValue往往是参数数组地址非法；cudaErrorNotReady多因上下文未就绪或设备忙
__global__ 函数里用 std::vector？编译报错或运行崩溃
CUDA 设备代码不支持 host 端 STL 容器。所有 std::vector、std::string、new/delete（非 cudaMalloc）在 __global__ 或 __device__ 函数里都会被 nvcc 拒绝，或者在运行时触发 illegal memory access。
- 设备端只能用原始指针 + 显式长度，比如把
std::vector<float> h_data</float>用cudaMalloc分配设备内存，再用cudaMemcpy拷过去 - kernel 参数列表里只传
float*和int这类 POD 类型，别传对象实例 - 想模拟动态数组？用
extern __shared__ float shared_mem[]+ 启动时指定sharedMemSize参数
nvcc 编译报错 “identifier ‘__host__’ is undefined”
这是头文件包含顺序或编译器识别问题，不是代码写错了。nvcc 对 __host__/__device__ 展开依赖于它是否在预处理阶段看到 CUDA 内置宏定义。
- 确保源文件后缀是
.cu，不是.cpp——否则 nvcc 可能跳过 device 代码解析 - 不要在
#include <cuda_runtime.h></cuda_runtime.h>前引入任何可能提前定义冲突宏的头文件（比如某些跨平台工具库） - 如果混用 CMake，检查
set_property(SOURCE xxx.cu PROPERTY LANGUAGE CUDA)是否生效，否则会被当成纯 C++ 编译 - 错误示例：
error: identifier "__host__" is undefined，本质是 nvcc 根本没走 device 编译流程
GPU 卡识别正常，但 cudaMalloc 返回 cudaErrorMemoryAllocation
不一定是显存真不够，更可能是当前进程没拿到设备访问权，或驱动/运行时版本不匹配。
立即学习“C++免费学习笔记（深入）”；
- 先跑
nvidia-smi看卡是否被其他进程占满（尤其是 Jupyter、训练进程、docker 容器） -
cudaGetLastError()紧跟cudaMalloc后调用，确认是不是上一个 kernel 出了错导致状态污染 - Windows 下 WDDM 模式对单次分配大小有限制（默认约 2GB），切到 TCC 模式可解除（仅 Tesla/Quadro/A100 支持）
- Linux 下检查
/proc/driver/nvidia/gpus/xxx/information确认驱动加载正常，避免出现 “Failed to initialize NVML” 类提示
