nv-legate/cupynumeric
End of life; no longer maintained. Final public release: v26.06.01.
何を解決するか
NumPyベースのワークフローをハイパフォーマンスコンピューティング環境にスケーリングする難しさに対処します。既存のNumPyコードをGPUや分散システム上で実行可能にし、大幅なコード変更を必要としません。
動作方法
cuPyNumericはLegateフレームワークの上にNumPy APIを実装し、CPUから複数ノードにまたがる数千のGPUまでスケーリング可能な配列計算を可能にします。
対象ユーザー
大規模なデータ分析、複雑なシミュレーション、機械学習に取り組む研究者や開発者向けです。複数のGPUとノードにわたる計算をスケーリングする必要がある方々に最適です。
特徴
- ハイパフォーマンスコンピューティング向けにNumPy APIを実装。
- 単一のCPUから複数ノードにまたがる数千のGPUまでスケーリング可能。
- 既存のNumPyワークフローにほとんど変更が不要。
- Legateフレームワークの上に構築されています。
関連
- プロジェクト
cupy/cupyCuPyは、NVIDIA CUDAおよびAMD ROCmプラットフォーム上で、Python向けのGPU加速数値計算を可能にするNumPyおよびSciPy互換の配列ライブラリです。
- プロジェクト
NVIDIA/cuda-pythonGPU加速コンピューティング向けに、NVIDIAのCUDAプラットフォームへの高レベルな慣習的アクセスと低レベルなバインディングアクセスの両方を提供するPythonパッケージのコレクション。
- プロジェクト
inducer/pycudaPyCUDAはNvidiaのCUDA APIのPythonラッパーであり、自動メモリ管理とC++の速度を備えたGPU上で高性能な並列計算を可能にします。
- プロジェクト
lupinemachines/lupineLUPINE は、Docker ベースの GPU-over-IP ブリッジで、CPU のみのマシンからリモート GPU サーバーへ CUDA ドライバ呼び出しを転送し、GPU がローカルにインストールされているかのように CUDA プログラム（例: PyTorch、nvidia-smi）を実行できるようにします。
- プロジェクト
NVIDIA/cudnn-frontendNVIDIAのcuDNN Frontendは、ヘッダーのみのC++ライブラリとPythonバインディングを備えたライブラリで、cuDNN Graph APIの使い方を簡素化します。統一されたグラフ抽象化、自動チューニング、HopperおよびBlackwell GPU向けのオープンソース高速カーネル（Flash‑Attention、結合GEMM‑+‑アクティベーション、スパースアテンションなど）を提供し、FP16/BF16/FP8をサポートします。pip経由またはヘッダーのインクルードでインストールでき、PyTorchやCUDA Graphと直接統合可能です。