cuda - CUDAエミュレーションで明らかに間違った結果になる

Question

これは以下のコードです。

#include <stdio.h>
#include <cuda.h>
#include <device_launch_parameters.h>
#include <cuda_runtime.h>
#define _crt_nonstdc_no_deprecate


__global__ void Kernel(float *d_arr_i,float *d_arr_o)
{
    int i = threadIdx.x;
    int j = threadIdx.y;
    int k = threadIdx.z;
    float f = d_arr_i[i];
    d_arr_o[i] = f * f;
    printf("%d \n",f);
    printf("x = %d & y = %d & z = %d \n",i,j,k);
}

int main ()
{   
    //printf("Hello C..!");
    const unsigned int arr_s = 12;

    float h_arr_i[arr_s];
    for (int i = 0;i < arr_s;i++)
    {
        h_arr_i[i] = float(i);
    }
    for (int i = 0;i<arr_s;i++)
    {
        printf("input arr %d : %e \n",(int)i,h_arr_i[i]);
    }
    float h_arr_o[arr_s];

    float* d_arr_i;
    float* d_arr_o;
    const unsigned int d_arr_s = arr_s*sizeof(float);

    cudaMalloc((void**)&d_arr_i,d_arr_s);
    cudaMalloc((void**)&d_arr_o,d_arr_s);

    cudaMemcpy(d_arr_i,h_arr_i,d_arr_s,cudaMemcpyHostToDevice);
    Kernel<<<1,arr_s>>>(d_arr_i,d_arr_o);
    cudaMemcpy(h_arr_o,d_arr_o,d_arr_s,cudaMemcpyDeviceToHost);

    printf("\n");
    for (int i = 0;i < arr_s;i++)
    {
        printf("output arr : %d \n",h_arr_o[i]);
    }
    int d;
    cudaDeviceProp c;
    int e;
    cudaGetDeviceProperties(&c,e);
    printf("\n %e",e);
    cudaGetDeviceCount(&d);
    printf("\n %d \n",d);
    cudaFree(d_arr_i);
    cudaFree(d_arr_o);
    system("Pause");
    return 0;
}

上記のコードでは、「output arr」は配列内の数値の 2 乗を出力する必要がありますが、そうではありません。

誰かがこのエラーが発生する理由を説明できますか? いくつかの詳細、コードを実行しています：CUDA 2.3 /エミュレーションモード/NVIDIA GPU OSなし：Windows 7 64ビットVisual Studio 2005 SP1