#GPU计算

gpu.cpp

gpu.cpp是一个轻量级C++库，专注于通用原生GPU计算。它利用WebGPU规范作为可移植的低级GPU接口，支持在多种硬件上运行GPU代码。该库提供高效API，实现快速编译和运行周期，并最小化依赖。适用于GPU算法开发、神经网络实现、物理模拟等需要便携GPU计算的项目。gpu.cpp简化了个人设备上的GPU编程，让开发者能专注于算法实现。

Lightning AI

Lightning AI是由PyTorch Lightning创始团队开发的综合AI开发平台。该平台集成了代码协作、原型设计、模型训练、规模化和部署等功能，提供零配置环境和免费GPU时长。其按需付费模式和AWS集成简化了AI开发流程，提升团队效率。平台支持从简单应用到大规模模型的多种AI项目，目前服务于超过10,000家组织。

AI Tools 99

AI Tools 99是一个先进的分布式计算网络平台，专为AI模型和工作流程设计。通过GPU计算资源和AI API，平台按秒计费，根据实际使用量自动扩展，有效避免资源浪费。提供多种定价方案，包括免费试用、按需付费和年付订阅，满足不同需求。支持运行和微调开源模型，并鼓励用户推荐新模型。平台特别适合AI开发者和研究人员，提供高效、灵活的计算环境，帮助用户以低成本实现AI项目。

taichi.js

taichi.js是一个为JavaScript开发的现代GPU计算框架。它将JavaScript函数转换为WebGPU计算着色器，实现大规模并行化。作为Python库Taichi的JavaScript版本，taichi.js具备交互式代码编辑器功能，支持代码的编写、编译和运行。该框架适用于分形图形生成等复杂计算任务，通过WebGPU技术提供高效的GPU计算能力。taichi.js为Web开发者提供了便捷的GPU加速计算解决方案。

ROCm

AMD ROCm是一个开源GPU计算软件栈，提供完整的驱动、开发工具和API生态系统。它支持从底层内核到终端应用的全方位GPU编程，专门针对高性能计算、人工智能和科学计算领域优化。ROCm支持多种编程模型，并与主流机器学习框架深度集成。通过HIP技术，ROCm实现了卓越的跨平台可移植性，使开发者能够在各类GPU平台上灵活部署代码，适用范围涵盖从普通游戏GPU到大规模超算集群。

cudaKDTree

cudaKDTree是一个基于CUDA的k-d树库,提供高效的构建和查询功能。它支持多种可定制输入数据类型,可在主机和GPU上构建树结构。该库提供三种设备端构建器,在性能和内存使用间权衡。支持空间k-d树和Bentley风格的平衡k-d树,适用于多种数据类型。还包含多种遍历算法,如最近点查找(FCP)和k近邻(KNN)等示例查询。

how-to-read-pytorch

该项目是一个PyTorch核心概念教程系列，包含5个Jupyter notebook。教程内容涵盖张量运算、自动求导、优化器、网络模块和数据加载等PyTorch关键主题。每个主题提供详细说明和可运行示例代码，旨在帮助开发者理解PyTorch的运行模型和高效GPU编程。所有notebook支持在Google Colab上免费运行，便于实践学习。

keops

KeOps是一个开源库,专门用于高效计算大型数组的归约运算。它集成了高效C++程序和自动微分引擎,支持Python、Matlab和R等多种编程语言。KeOps尤其适合处理核矩阵向量乘积、K近邻查询和N体问题等计算,即使在核矩阵或距离矩阵超出内存容量的情况下也能高效运行。与PyTorch GPU基准相比,KeOps在多种几何应用中能实现10-100倍的性能提升,广泛应用于核方法和几何深度学习等领域。

cupy

CuPy是一个开源的GPU加速科学计算库，与NumPy和SciPy兼容。它支持在NVIDIA CUDA和AMD ROCm平台上运行，提供简洁的API接口和复杂数学运算能力。CuPy通过保持与NumPy的API兼容性，使现有代码易于迁移到GPU上，同时显著提升科学计算和机器学习任务的性能。此外，CuPy还提供对底层CUDA功能的访问，允许开发者充分利用GPU的计算能力。它不仅适用于科学计算，还广泛应用于数据分析、深度学习等领域，为研究人员和工程师提供了强大的GPU加速工具。