m4rs-mt/ILGPU

ILGPU JIT Compiler for high-performance .Net GPU programs

何を解決するか

ILGPU は JIT（ジャストインタイム）コンパイラであり、CUDA C++ のようなネイティブ依存性や専用GPU言語に頼らず、.NETベースの言語（C#など）を使って高性能GPUプログラムを書くことを可能にします。

動作方法

.NETコードをGPU実行可能な命令にコンパイルします。マルチスレッドCPUアクセラレータを提供しており、GPUにデプロイする前にCPU上でカーネルを実行・デバッグできます。また、すべてのサポートされているアクセラレータタイプで動作する高レベルアルゴリズム（ソートやプレフィックス和など）の標準ライブラリも含まれています。

対象ユーザー

C#エコシステムから離れず、ネイティブC++コードを書かずにGPUアクセラレーションのパフォーマンスを必要とする.NET開発者。

特徴

  • 純粋なC#実装：ネイティブ依存性のない、完全にC#で書かれた実装。
  • CPUデバッグ：共有メモリやアトミック操作などのハードウェア機能を含む、カーネルのデバッグに使える統合CPUアクセラレータ。
  • C#統合：特別な注釈なしに、デフォルトのC#関数や値型を使用可能。
  • アルゴリズムライブラリ：一般的なGPUタスク向けの高レベルアルゴリズムの組み込みライブラリ。

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
    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
    gpujs/gpu.js

    ブラウザおよび Node.js で GPGPU（GPU 上での一般目的計算）を可能にする JavaScript 加速ライブラリ。JS 関数をシェーダ言語にトランスパイルして GPU カーネルとして実行します。

  • プロジェクト
    tracel-ai/cubecl

    NVIDIA、AMD、Apple、CPUプラットフォームで実行される高性能コンピュートカーネルを記述するためのRust言語拡張およびJITコンパイラ。