Collenchyma •

Collenchyma 是一个可扩展的、可插入的、后端无关的框架，用于在 CUDA、OpenCL 和通用宿主 CPU 上进行并行、高性能计算。它运行速度快，易于构建，并提供了可扩展的 Rust 结构来在几乎任何机器上执行操作，即使这些机器没有 CUDA 或 OpenCL 兼容的设备。

Collenchyma 抽象了不同的计算语言（原生、OpenCL、Cuda），并允许您在服务器、桌面或移动设备上运行高性能代码，而无需为部署到的机器调整您的代码。Collenchyma 在机器上不需要 OpenCL 或 Cuda，并自动回退到原生宿主 CPU，使您的应用程序非常灵活且构建速度快。

Collenchyma 是在 Autumn 开始的，旨在支持机器智能框架 Leaf，以实现后端无关、最先进的性能。

• __并行化性能__
  Collenchyma 可以轻松地在您的机器上并行化计算，充分利用您 CPU/GPU 的所有可用核心。Collenchyma 通过插件提供优化操作，您可以直接使用这些操作来加速您的应用程序。

• __易于扩展__
  使用 Collenchyma 为 GPU 执行编写自定义操作变得非常简单，因为它已经处理了框架的特定之处、内存管理、安全性以及其他开销。Collenchyma 提供了插件（见下文示例），您可以使用它们来扩展 Collenchyma 后端，添加您自己业务特定的操作。

• __丝滑构建__
  由于 Collenchyma 不需要安装各种框架和库，它不会显著增加您的应用程序构建时间。Collenchyma 在运行时检查这些框架是否可用，如果不能使用，则优雅地回退到标准的本地主机 CPU。您和您的用户无需经历漫长且痛苦的构建过程。

更多信息，

• 请参阅 Collenchyma 的文档
• 或在Twitter或Gitter上与我们联系

免责声明：Collenchyma 目前处于非常早期且高度的开发阶段。如果您遇到任何不是由于尚未实现的功能导致的错误，请随时创建一个问题。

入门指南

如果您使用 Cargo，只需将 Collenchyma 添加到您的 Cargo.toml 文件中

[dependencies]
collenchyma = "0.0.8"

如果您使用Cargo Edit，您可以调用

$ cargo add collenchyma

插件

您可以通过插件轻松扩展 Collenchyma 的 Backend 以支持更多与后端无关的操作。插件提供了一组相关操作 - BLAS 是一个好例子。要将插件中的操作扩展到 Collenchyma 的 Backend，只需将所需的插件包添加到您的 Cargo.toml 文件中。以下是可用的 Collenchyma 插件列表，您可以直接用于自己的应用程序，或者作为您创建自己的插件的起点。

• BLAS - Collenchyma 插件，用于后端无关的基本线性代数子程序操作。
• NN - Collenchyma 插件，用于与神经网络相关的算法。

您可以轻松编写自己的后端无关的并行操作，并通过插件提供给其他人。我们很乐意在这里展示您的插件，只需向我们发送一个 PR。

示例

Collenchyma 不包含任何操作。以下示例假设您已经将 collenchyma 和 Collenchyma 插件 collenchyma-nn 添加到您的 Cargo 清单中。

extern crate collenchyma as co;
extern crate collenchyma_nn as nn;
use co::prelude::*;
use nn::*;

fn write_to_memory<T: Copy>(mem: &mut MemoryType, data: &[T]) {
    if let &mut MemoryType::Native(ref mut mem) = mem {
        let mut mem_buffer = mem.as_mut_slice::<T>();
        for (index, datum) in data.iter().enumerate() {
            mem_buffer[index] = *datum;
        }
    }
}

fn main() {
    // Initialize a CUDA Backend.
    let backend = Backend::<Cuda>::default().unwrap();
    // Initialize two SharedTensors.
    let mut x = SharedTensor::<f32>::new(backend.device(), &(1, 1, 3)).unwrap();
    let mut result = SharedTensor::<f32>::new(backend.device(), &(1, 1, 3)).unwrap();
    // Fill `x` with some data.
    let payload: &[f32] = &::std::iter::repeat(1f32).take(x.capacity()).collect::<Vec<f32>>();
    let native = Backend::<Native>::default().unwrap();
    x.add_device(native.device()).unwrap(); // Add native host memory
    x.sync(native.device()).unwrap(); // Sync to native host memory
    write_to_memory(x.get_mut(native.device()).unwrap(), payload); // Write to native host memory.
    x.sync(backend.device()).unwrap(); // Sync the data to the CUDA device.
    // Run the sigmoid operation, provided by the NN Plugin, on your CUDA enabled GPU.
    backend.sigmoid(&mut x, &mut result).unwrap();
    // See the result.
    result.add_device(native.device()).unwrap(); // Add native host memory
    result.sync(native.device()).unwrap(); // Sync the result to host memory.
    println!("{:?}", result.get(native.device()).unwrap().as_native().unwrap().as_slice::<f32>());
}

贡献

想要贡献？太棒了！我们有指南可以帮助您开始贡献代码或文档。我们还有一些优先级较高的问题需要您的帮助。

我们有一个主要是实时协作的文化，在这里的 GitHub 上以及Collenchyma Gitter 频道上发生。您也可以联系维护者 {@MJ，@hobofan}。

除非您明确声明，否则您提交给工作内容的任何贡献，如 Apache-2.0 许可证中定义的，将按照以下方式双重许可，不附加任何额外的条款或条件。

变更日志

您可以在根文件 CHANGELOG.md 中找到发布历史。

变更日志是记录项目所做的所有更改的日志或记录，例如网站或软件项目，通常包括错误修复、新功能等记录 - 维基百科

我们使用Clog，Rust 自动生成 CHANGELOG 文件的工具。

许可证

许可协议为以下之一

• Apache许可证2.0版本，（LICENSE-APACHE 或 http://www.apache.org/licenses/LICENSE-2.0）
• MIT许可证（LICENSE-MIT 或 http://opensource.org/licenses/MIT）

任选其一。