inducer/pyopencl

PyOpenCL – OpenCL GPU とアクセラレータへの Python に親和的なアクセス

何であるか – PyOpenCL は、任意の OpenCL 対応デバイス（GPU、CPU、FPGA など）上で実行されるコードを書くことを可能にする Python ライブラリです。OpenCL API を完全に再現しつつ、自動エラー変換、参照カウンティングされたオブジェクト（RAII スタイルのクリーンアップ）、NumPy 互換の配列処理といった Python に親和的な機能を追加しています。

AI/ML にとって重要な理由 – 現代の機械学習ワークロードはしばしば大規模な並列処理に依存しています。PyOpenCL は Python 開発者が言語を離れることなくその並列処理力を活用できるようにし、カスタムカーネルのプロトタイピング、データ前処理の高速化、高レベルフレームワークではカバーされていない特殊なニューラルネットワーク演算の実装を可能にします。

主な特徴（README に記載）

• RAII スタイルのリソース管理 – オブジェクトはスコープを抜けると自動的に解放され、メモリリークのバグを減らします。
• 完全な OpenCL カバレッジ – すべての OpenCL 呼び出しとクエリが公開されており、下位ドライバの全機能を利用できます。
• 自動エラー処理 – OpenCL エラーコードが Python の例外に自動変換され、デバッグが簡素化されます。
• 高速性 – コアバインディングは C++（C++17）で書かれており、nanobind を使って低オーバーヘッドのインターフェースを実現しているため、便利なラッパーによるランタイムコストはほぼありません。
• クロスプラットフォーム対応 – Apple、AMD、NVIDIA の OpenCL 実装でテスト済みです。
• インストールが簡単 – PyPI および Conda-Forge から Linux、macOS、Windows 用のバイナリウェHEEL を提供。Conda によるインストールでは、動作する OpenCL ランタイムも自動で取得できます。
• オープンソース – MIT ライセンスで、商用・学術用途に自由に利用可能です。

一般的なワークフロー

1. デバイス（GPU、CPU など）を選択するコンテキストを作成。
2. カーネルを文字列として書くか、ファイルから読み込む。
3. 提供されたプログラムオブジェクトを使ってカーネルをビルド。
4. バッファを割り当て（通常は NumPy 配列）し、データを転送。
5. グローバルおよびローカルのワークサイズを指定してカーネルを実行。
6. 結果を Python オブジェクトに読み戻す。

導入方法 – README には 4 ステップの Conda インストールガイドがあり、包括的なドキュメントと Wiki へのリンクも記載されています。

誰が使っているか – 高レベルライブラリにないカスタムカーネルを書きたく、Python のまま GPU 計算の細かい制御が必要な研究者、データサイエンティスト、エンジニア。

場所 – ソースコード、イシュー追跡、リリースは GitHub（github.com/inducer/pyopencl）にあります。バイナリパッケージは PyPI と Conda-Forge で入手可能。

---

上記のすべての詳細は、リポジトリの README から直接引用しています。