Project Icon

jax-triton

JAX与Triton集成实现GPU计算加速

jax-triton项目实现了JAX和Triton的集成,让开发者能在JAX中使用Triton的GPU计算功能。通过triton_call函数,可在JAX编译函数中应用Triton内核,提高计算密集型任务效率。项目提供文档和示例,适合机器学习和科学计算领域的GPU计算优化需求。

jax-triton

PyPI 版本

jax-triton 仓库包含了 JAXTriton 之间的集成。

文档可以在这里找到。

这不是 Google 官方支持的产品。

快速入门

主要的函数是 jax_triton.triton_call,用于将 Triton 函数应用于 JAX 数组,包括在 jax.jit 编译的函数内部。例如,我们可以定义一个来自 Triton 教程的内核

import triton
import triton.language as tl


@triton.jit
def add_kernel(
    x_ptr,
    y_ptr,
    length,
    output_ptr,
    block_size: tl.constexpr,
):
  """添加两个向量。"""
  pid = tl.program_id(axis=0)
  block_start = pid * block_size
  offsets = block_start + tl.arange(0, block_size)
  mask = offsets < length
  x = tl.load(x_ptr + offsets, mask=mask)
  y = tl.load(y_ptr + offsets, mask=mask)
  output = x + y
  tl.store(output_ptr + offsets, output, mask=mask)

然后我们可以使用 jax_triton.triton_call 将其应用于 JAX 数组:

import jax
import jax.numpy as jnp
import jax_triton as jt

def add(x: jnp.ndarray, y: jnp.ndarray) -> jnp.ndarray:
  out_shape = jax.ShapeDtypeStruct(shape=x.shape, dtype=x.dtype)
  block_size = 8
  return jt.triton_call(
      x,
      y,
      x.size,
      kernel=add_kernel,
      out_shape=out_shape,
      grid=(x.size // block_size,),
      block_size=block_size)

x_val = jnp.arange(8)
y_val = jnp.arange(8, 16)
print(add(x_val, y_val))
print(jax.jit(add)(x_val, y_val))

查看示例目录,特别是 fused_attention.py融合注意力 ipynb

安装

$ pip install jax-triton

确保安装了与 CUDA 兼容的 jaxlib。 例如,你可以运行:

$ pip install "jax[cuda11_cudnn82]" -f https://storage.googleapis.com/jax-releases/jax_cuda_releases.html

安装最新版本

JAX-Triton 和 Pallas 在 JAX 和 Jaxlib 的最新版本以及接近 Triton 的最新版本上开发。要获取 JAX-Triton 的最新版本,请运行:

$ pip install 'jax-triton @ git+https://github.com/jax-ml/jax-triton.git'

这应该会安装兼容版本的 JAX 和 Triton。

JAX-Triton 确实依赖于 Jaxlib,但它通常是一个更稳定的依赖项。你可能可以使用最近的 jaxlib 发布版本:

$ pip install jaxlib[cuda11_pip]
$ # 或
$ pip install jaxlib[cuda12_pip]

如果发现最新的 Jaxlib 发布版本有问题,可以尝试使用 Jaxlib 的每日构建版本。 要安装新的 jaxlib,你可以找到 CUDA 11 每日构建CUDA 12 每日构建 的链接。然后通过以下方式安装:

$ pip install 'jaxlib @ <每日构建链接>'

或者自动通过 pip 安装 CUDA,你可以这样做:

$ pip install 'jaxlib[cuda11_pip] @ <每日构建链接>'
$ # 或
$ pip install 'jaxlib[cuda12_pip] @ <每日构建链接>'

开发

要开发 jax-triton,你可以通过以下方式克隆仓库:

$ git clone https://github.com/jax-ml/jax-triton.git

然后进行可编辑安装:

$ cd jax-triton
$ pip install -e .

要运行 jax-triton 测试,你需要安装 pytest

$ pip install pytest
$ pytest tests/
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号