目标

Rust CUDA 项目旨在通过使用 CUDA 工具包，使 Rust 成为极快 GPU 计算的一级语言。它提供将 Rust 编译成极快 PTX 代码的工具，以及使用它来使用现有 CUDA 库的库。

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 工具包主要提供一种使用 Fortran/C/C++ 代码与 CPU 代码结合使用的方法，实现单一源代码。它还提供许多库、工具、论坛和文档，以补充单一源代码的 CPU/GPU 代码。

CUDA 是 NVIDIA 独有的工具包。已经提出了许多用于跨平台 GPU 计算的工具，如 OpenCL、Vulkan Computing 和 HIP。然而，CUDA 仍然是此类任务中使用的最广泛的工具包。这就是为什么让 Rust 成为 CUDA 工具包的可行选项至关重要。

然而，CUDA 与 Rust 的结合一直是历史上一条非常坎坷的道路。直到现在，唯一的可行选项是使用 LLVM PTX 后端，然而，LLVM PTX 后端并不总是有效，会为许多常见的 Rust 操作生成无效的 PTX，而在最近几年，随着 rust-gpu (Rust -> SPIR-V) 等项目的出现，已经一次又一次地表明需要一个针对 GPU 上的 Rust 的专用解决方案。

我们的目标是，通过这个项目，推动Rust GPU计算行业的发展，使Rust成为此类任务的优秀语言。Rust提供了许多好处，例如每个内核的性能优势__restrict__，出色的模块/包系统，使用unsafe限定CPU/GPU代码的不安全区域，高级包装器用于底层CUDA库等。

结构

Rust CUDA项目的范围非常广泛，涵盖了CUDA生态系统的全部，包含使用Rust使用的库和工具。因此，该项目包含许多用于CUDA生态系统各个方面的包。

当前库的列表如下

• rustc_codegen_nvvm，这是一个rustc后端，针对NVVM IR（LLVM IR的一个子集）的libnvvm库。
  • 生成高度优化的PTX代码，可以由CUDA驱动程序API加载并在GPU上执行。
  • 在未来，它将仅限于CUDA，但将来可能会用于针对amdgpu。
• cuda_std用于GPU端函数和实用程序，例如线程索引查询、内存分配、warp内联函数等。
  • 不是一个底层库，提供了许多实用函数，以便更容易编写更干净、更可靠的GPU内核。
  • 与rustc_codegen_nvvm紧密相关，通过它内部暴露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等特性，使管理GPU接口更容易、更干净。
  • 是CUDA驱动程序API的高级包装器，是C++中使用的更常见的CUDA运行时API的较低级别版本。
  • 比C++运行时API提供了对内核并发和模块加载等事物的更多细粒度控制。
• 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 RNGs。
• optix用于CPU端硬件光线追踪和去噪，使用CUDA OptiX库。

此外，还包括许多用于某些较小CUDA库的高级包装器等“粘合”包。

相关项目

其他与在GPU上使用Rust相关的项目

• 2016年：glassful Rust的一个子集，可以编译为GLSL。
• 2017年：inspirv-rust实验性的Rust MIR -> SPIR-V编译器。
• 2018年：nvptx使用rustc的nvptx目标（使用LLVM PTX后端）的Rust到PTX编译器。
• 2020年：accel依赖于与nvptx相同的机制的更高级库。
• 2020年：rlsl实验性的Rust -> SPIR-V编译器（rust-gpu的前身）。
• 2020年：rust-gpu Rustc代码生成后端，将Rust编译为SPIR-V用于着色器，与我们的项目类似。

许可证

根据您的意愿，许可如下

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

任选其一。

贡献

除非您明确声明，否则根据Apache-2.0许可证定义的您有意提交供作品包含的贡献，将按上述方式双许可，不附加任何额外条款或条件。