nv-legate/cupynumeric

End of life; no longer maintained. Final public release: v26.06.01.

해결하는 문제

NumPy 기반 워크플로우를 고성능 컴퓨팅 환경으로 확장하는 어려움을 해결합니다. 기존 NumPy 코드를 GPU 및 분산 시스템에서 실행할 수 있으며, 코드 변경이 거의 필요하지 않습니다.

작동 방식

cuPyNumeric는 Legate 프레임워크 위에 NumPy API를 구현하여, 단일 CPU에서부터 여러 노드에 걸쳐 수천 개의 GPU까지 확장 가능한 배열 계산을 가능하게 합니다.

대상 사용자

대규모 데이터 분석, 복잡한 시뮬레이션, 머신러닝 작업을 수행하는 연구자 및 개발자에게 적합합니다. 여러 GPU와 노드에 걸쳐 계산을 확장해야 하는 경우에 최적입니다.

주요 특징

  • 고성능 컴퓨팅을 위한 NumPy API 구현.
  • 단일 CPU에서부터 여러 노드에 걸쳐 수천 개의 GPU까지 확장 가능.
  • 기존 NumPy 워크플로우에 거의 변경이 필요 없음.
  • Legate 프레임워크 기반으로 구축됨.

관련

  • 프로젝트
    cupy/cupy

    CuPy는 NVIDIA CUDA 및 AMD ROCm 플랫폼에서 Python을 위한 GPU 가속 수치 계산을 가능하게 하는 NumPy 및 SciPy 호환 배열 라이브러리입니다.

  • 프로젝트
    NVIDIA/cuda-python

    GPU 가속 컴퓨팅을 위해 NVIDIA CUDA 플랫폼에 대한 고수준의 관용적 접근 및 저수준 바인딩 액세스를 모두 제공하는 Python 패키지 모음입니다.

  • 프로젝트
    inducer/pycuda

    PyCUDA는 Nvidia의 CUDA API를 위한 Python 래퍼로, 자동 메모리 관리와 C++ 속도를 갖춘 GPU에서 고성능 병렬 계산을 가능하게 합니다.

  • 프로젝트
    lupinemachines/lupine

    LUPINE은 Docker 기반 GPU-over-IP 브리지로, CPU 전용 머신에서 원격 GPU 서버로 CUDA 드라이버 호출을 전달하여 GPU가 로컬에 설치된 것처럼 CUDA 프로그램(예: PyTorch, nvidia-smi)을 실행할 수 있게 합니다.

  • 프로젝트
    NVIDIA/cudnn-frontend

    NVIDIA의 cuDNN Frontend는 헤더 전용 C++ 라이브러리와 Python 바인딩을 포함한 라이브러리로, cuDNN Graph API의 사용을 간소화합니다. 통합된 그래프 추상화, 자동 튜닝, Hopper 및 Blackwell GPU용 오픈소스 고성능 커널(Flash‑Attention, 결합 GEMM‑+‑활성화, 스파스 어텐션 등)을 제공하며, FP16/BF16/FP8을 지원합니다. pip를 통해 또는 헤더 포함으로 설치 가능하며, PyTorch 또는 CUDA Graph와 직접 통합할 수 있습니다.