2个版本
0.11.3 | 2021年12月5日 |
---|---|
0.11.2 | 2021年11月22日 |
#656 in 硬件支持
2,629 每月下载量
用于 26 个crate(2个直接使用)
280KB
9K SLoC
目标
Rust CUDA项目是一个旨在使Rust成为使用CUDA工具包进行极快GPU计算的一级语言的项目的项目。它提供将Rust编译成极快的PTX代码的工具,以及用于使用它与现有CUDA库一起使用的库。
背景
历史上,通用高性能GPU计算一直是使用CUDA工具包完成的。CUDA工具包主要提供了一种使用Fortran/C/C++代码与CPU代码结合使用的方法,以单个源代码形式。它还提供了许多库、工具、论坛和文档,以补充单个源代码的CPU/GPU代码。
CUDA是仅适用于NVIDIA的工具包。已经提出了许多用于跨平台GPU计算的工具体,如OpenCL、Vulkan Computing和HIP。然而,CUDA仍然是此类任务中最常用的工具包。这就是为什么有必要使Rust成为与CUDA工具包一起使用的可行选项的原因。
然而,Rust与CUDA之间一直是一条非常崎岖的道路。直到现在,唯一可行的选择是使用LLVM PTX后端,但是,LLVM PTX后端并不总是正常工作,并且会对许多常见的Rust操作生成无效的PTX。近年来,随着像rust-gpu(Rust -> SPIR-V)这样的项目出现,这一点已经反复证明需要为GPU上的Rust提供专门的解决方案。
我们的希望是,通过这个项目,我们可以推动 Rust GPU 计算行业的发展,使 Rust 成为这类任务的优秀语言。Rust 提供了许多好处,例如每个内核的 __restrict__
性能优势,出色的模块/crate 系统,使用 unsafe
标记 CPU/GPU 代码中的不安全区域,高级封装到低级 CUDA 库等。
结构
Rust CUDA 项目的范围相当广泛,涵盖了 CUDA 生态系统的全部内容,提供了使用 Rust 可以使用的库和工具。因此,该项目包含了许多针对 CUDA 生态系统各个方面的 crate。
当前的库列表如下
rustc_codegen_nvvm
这是一个针对 NVVM IR(LLVM IR 的子集)的 rustc 后端,用于 libnvvm 库。- 生成高度优化的 PTX 代码,该代码可以被 CUDA 驱动程序 API 加载并在 GPU 上执行。
- 在不久的将来,它将仅支持 CUDA,但将来可能用于 amdgpu。
cuda_std
用于 GPU 端函数和实用工具,例如线程索引查询、内存分配、warp 内置函数等。- 不是 低级库,提供了许多实用函数,使其更容易编写更干净、更可靠的 GPU 内核。
- 与
rustc_codegen_nvvm
密切相关,通过它内部公开 GPU 功能。
cust
用于 CPU 端 CUDA 功能,例如启动 GPU 内核、GPU 内存分配、设备查询等。- 高级,具有 RAII 和 Rust Results 等功能,使管理 GPU 接口更容易、更干净。
- CUDA 驱动程序 API 的高级封装,是 C++ 中更常用的 CUDA 运行时 API 的低级版本。
- 与 C++ 运行时 API 相比,它提供了对内核并发和模块加载等事物的更细粒度的控制。
gpu_rand
用于 GPU 友好的随机数生成,目前仅实现了来自rand_xoshiro
的 xoroshiro RNG。optix
用于 CPU 端硬件光线追踪和去噪,使用 CUDA OptiX 库。
还包括许多用于某些较小 CUDA 库的高级封装的“粘合”crate。
相关项目
其他与在 GPU 上使用 Rust 相关的项目
- 2016: glassful Rust 的子集,编译为 GLSL。
- 2017: inspirv-rust 实验性的 Rust MIR -> SPIR-V 编译器。
- 2018: nvptx 使用 rustc 的
nvptx
目标(使用 LLVM PTX 后端)的 Rust 到 PTX 编译器。 - 2020: accel 与
nvptx
相同机制的更高级库。 - 2020: rlsl 实验性的 Rust -> SPIR-V 编译器(rust-gpu 的前身)。
- 2020: rust-gpu Rustc 代码生成后端,将 Rust 编译为 SPIR-V 以用于着色器,与我们的项目具有相似的机制。
许可证
许可为以下任一项
- Apache 许可证 2.0 版(LICENSE-APACHE 或 https://apache.ac.cn/licenses/LICENSE-2.0)
- MIT 许可证(LICENSE-MIT 或 http://opensource.org/licenses/MIT)
由您自行决定。
贡献
除非您明确声明,否则根据 Apache-2.0 许可证定义的,您提交的任何有意提交给作品以供包括在内的贡献,都将按上述方式双重许可,没有任何附加条款或条件。