Rely more on the driver for input checks to reduce latency

Instead of doing all of these checks in Python, if we just set the options as passed and try the launch, does CUDA error gracefully where we can post process the error code to make it meaningful to the user? Doing all of these checks in Python feels expensive and will hurt kernel launch latency.

Originally posted by @kkraus14 in https://github.com/NVIDIA/cuda-python/pull/676#discussion_r2126787942

この issue ではファイル、テスト、エントリポイントが指定されていません。Python 側の入力チェックと CUDA の起動およびエラー処理の経路を確認し、どのチェックを安全に委譲できるか、またドライバーエラーをユーザーにとって意味のあるものにするにはどうすべきかを判断してください。完了条件は、有用な入力エラーを失わずに起動レイテンシを削減することです。