GitHub 热门项目：cutile-python

GitHub 项目：cutile-python 仓库地址：https://github.com/NVIDIA/cutile-python 星级：2138 | 作者：英伟达 项目描述：cuTile 是一个为 NVIDIA GPU 编写并行内核的编程模型 =================================================== 自述文件内容： 可爱的Python ============= cuTile Python 是一种用于 NVIDIA GPU 的编程语言。官方文档可以找到 在 [docs.nvidia.com](https://docs.nvidia.com/cuda/cutile-python) 上， 或从位于 [docs](docs/) 文件夹中的源代码构建。 示例 -------- ````蟒蛇 # 本示例使用 CuPy，可以通过 `pip install cupy-cuda13x` 安装 # 确保已安装 cuda 工具包 13.1+：https://developer.nvidia.com/cuda-downloads 导入 cuda.tile 作为 ct 导入丘比 将 numpy 导入为 np 瓷砖大小 = 16 # 用于添加两个密集向量的 cuTile 内核。它在 GPU 上并行运行。 @ct.kernel def vector_add_kernel(a, b, 结果): block_id = ct.bid(0) a_tile = ct.load(a,index=(block_id,),shape=(TILE_SIZE,)) b_tile = ct.load(b, 索引=(block_id,), 形状=(TILE_SIZE,)) 结果瓦片 = a_瓦片 + b_瓦片 ct.store（结果，索引=（block_id，），tile=result_tile） # 生成输入数组 rng = cupy.random.default_rng() a = rng.随机(128) b = rng.随机(128) 预期 = cupy.asnumpy(a) + cupy.asnumpy(b) # 分配输出数组并启动内核 结果 = cupy.zeros_like(a) 网格 = (ct.cdiv(a.shape[0], TILE_SIZE), 1, 1) ct.launch（cupy.cuda.get_current_stream（），网格，向量_add_kernel，（a，b，结果）） # 验证结果 result_np = cupy.asnumpy(结果) np.testing.assert_array_almost_equal（result_np，预期） ```` 更多示例可以在 [Samples](samples/) 和 [TileGym](https://github.com/NVIDIA/TileGym) 中找到。 系统要求 ------------------- cuTile Python 基于 [Tile IR](https://docs.nvidia.com/cuda/tile-ir/) 生成内核 需要 NVIDIA 驱动程序 r580 或更高版本才能运行。 此外，“tileiras”编译器（版本 13.2）仅支持 Blackwell GPU 和 Ampere/Ada 图形处理器。未来版本将支持 Hopper GPU。 查看[先决条件](https://docs.nvidia.com/cuda/cutile-python/quickstart.html#precessions) 获取完整的要求列表。 从 PyPI 安装 -------------------- cuTile Python 发布在 [PyPI](https://pypi.org/) 下 [cuda-tile](https://pypi.org/project/cuda-tile/) 包名称，可以使用 `pip` 安装： ```` pip install cuda-tile[tileiras] ```` 可选的 `tileiras` 依赖项将 `tileiras` 编译器直接安装到你的 python 中 环境。 如果您不想在 python 环境中使用“tileiras”，请运行 ```` pip 安装 cuda-tile ```` 并单独安装[CUDA Toolkit 13.1+](https://developer.nvidia.com/cuda-downloads)。 在基于 Debian 的系统上，使用 apt-get install cuda-tileiras-13.2 如果您愿意，请使用 cuda-compiler-13.2` 而不是 `apt-get install cuda-toolkit-13.2` 以避免安装完整的 CUDA 工具包。 从源头构建 -------------------- cuTile 主要用 Python 编写，但包含需要构建的 C++ 扩展。 您将需要： - 支持 C++17 的编译器，例如