m4rs-mt/ILGPU

ILGPU JIT Compiler for high-performance .Net GPU programs

何を解決するか

ILGPUは、.NET開発者がネイティブ依存関係に頼ることなく、.NETエコシステムから離れることなく、高性能GPUプログラムを書く方法を提供します。C++ AMPの使いやすさとCUDAプログラムの高いパフォーマンスの間のギャップを埋めます。

動作方法

これは、.NETベースの言語コードをGPU実行可能な命令に変換するJIT（即時）コンパイラとして機能します。マルチスレッドCPUアクセラレータを含んでおり、開発者がGPUにデプロイする前にCPU上でカーネルを実行およびデバッグできるようにします。

対象ユーザー

計算が非常に重いタスクにGPUアクセラレーションを活用したいが、C#と.NET 6.0+ツールチェーンの使用を維持したい.NET開発者。

特徴

  • 純粋なC#実装: ネイティブ依存関係なしにC#で完全に実装されています。
  • 統合CPUアクセラレータ: CPU上でカーネルの完全なデバッグと実行が可能になります。
  • アルゴリズムライブラリ: ソートやプレフィックス和などの高レベルアルゴリズムの標準ライブラリを提供し、すべてのサポートされているアクセラレータで動作します。
  • ハードウェア機能サポート: シェアドメモリやアトミック操作などの高度なGPU機能をサポートしています。

関連

  • プロジェクト
    mitsuba-renderer/drjit

    微分可能レンダリングに典型的な巨大な計算グラフを処理できる、通常および微分可能な計算向けのジャストインタイムコンパイラです。

  • プロジェクト
    brainpy/BrainPy

    計算神経科学および脳型計算のためのJITコンパイルフレームワークであり、脳力学モデルの効率的なシミュレーション、トレーニング、および分析を可能にします。

  • プロジェクト
    tracel-ai/cubecl

    CUDA、HIP、Metal、WebGPU、CPUを1つのコードベースから最適化された形で実行できる、RustベースのJITコンパイラおよび言語拡張です。

  • プロジェクト
    Jittor/jittor

    Jittor は、計算グラフ全体を JIT コンパイルし、メタ演算子を使って特定のモデルに最適化された CUDA/C++ カーネルを生成する高性能ディープラーニングフレームワークです。PyTorch に似た Python API を提供し、CPU および GPU バックエンド（CUDA、ROCm、Hygon）をサポートしており、ビジョン、レンダリング、幾何学的学習、強化学習向けのモデルズーも備えています。

  • プロジェクト
    beehive-lab/TornadoVM

    バイトコードを CUDA、OpenCL、Metal に JIT コンパイルし、Java アプリケーションに高性能な GPU アクセラレーションを提供する Java 用 GPU プログラミングフレームワーク。