使用CuPy调用CUDA内核遇Named symbol not found错误，求解决方案

问题场景 #

使用CuPy调用自定义CUDA内核中的compute_linear_recurrence方法，代码如下：

import cupy as cp
# code_str 为目标CUDA内核代码内容
calc_kernel = cp.RawKernel(code_str, 'compute_linear_recurrence', backend='nvcc')

执行时触发错误：

cupy_backends.cuda.api.driver.CUDADriverError: CUDA_ERROR_NOT_FOUND: named symbol not found

且内核中其他方法也无法调用。

错误原因 #

目标CUDA内核代码里，compute_linear_recurrence及其他无法调用的方法均被定义为设备函数（__device__修饰），而CuPy的RawKernel仅支持调用CUDA中的全局函数（__global__修饰）——设备函数只能在GPU设备端被其他设备函数或全局函数调用，无法直接从主机端（Python代码）发起调用，因此会出现符号找不到的错误。

解决办法 #

方法1：为设备函数添加全局函数包装器 #

在原CUDA代码中新增一个__global__修饰的全局函数，作为主机端调用的入口，在该函数内部调用目标设备函数。示例如下：

// 假设原设备函数签名为：__device__ void compute_linear_recurrence(int* a, int* b, int n)
__global__ void wrapper_compute_linear_recurrence(int* a, int* b, int n) {
    // 根据原函数逻辑补充线程索引处理（按需添加）
    int idx = blockIdx.x * blockDim.x + threadIdx.x;
    if (idx < n) {
        compute_linear_recurrence(a, b, n);
    }
}

之后在Python代码中调用这个包装后的全局函数：

calc_kernel = cp.RawKernel(code_str, 'wrapper_compute_linear_recurrence', backend='nvcc')

方法2：将目标函数改为全局函数 #

如果compute_linear_recurrence本身的逻辑适合作为内核入口，直接将其修饰符从__device__改为__global__，同时确保函数符合CUDA全局函数规则（比如不能有返回值，参数需为设备内存指针等）。修改后即可直接通过RawKernel调用该函数。

内容的提问来源于stack exchange，提问作者forestbat