VUDA: Eine Vulkan-Implementierung von CUDA

• VUDA: eine Header-only-Bibliothek auf Basis von Vulkan, die eine CUDA-Runtime-API-Schnittstelle zum Schreiben GPU-beschleunigter Anwendungen bereitstellt.
• Sie basiert auf der Vulkan API und zielt darauf ab, die CUDA-Runtime-Spezifikation einzuhalten.
• Auf die Funktionen von VUDA kann zugegriffen werden, indem vuda.hpp eingebunden und der Namespace vuda:: verwendet wird, oder über vuda_runtime.hpp, das alle CUDA-Funktionen kapselt und umleitet.
• Dieser Artikel bietet Dokumentation dazu, wie VUDA eingerichtet und kompiliert wird, sowie Implementierungsdetails.
• Der Artikel enthält Codebeispiele, die zeigen, wie man mit VUDA Speicher auf dem Gerät allokiert, Arrays auf das Gerät kopiert, einen Kernel (ein Vulkan-Shader-Modul) ausführt und die Ergebnisse zurück auf den Host kopiert.
• VUDA bietet eine Alternative zur Verwendung der NVIDIA-CUDA-Runtime-API und ermöglicht es, die Leistung von Vulkan zu nutzen.
• Dieser Artikel stellt VUDA vor, eine neue Bibliothek, die die Fähigkeiten von Vulkan und CUDA kombiniert.
• Technikaffine Leser dürften sich für diesen Artikel interessieren, der eine moderne Technologie vorstellt, mit der sich die Leistung GPU-beschleunigter Anwendungen steigern lässt.

[GN⁺]

Hacker-News-Kommentare

• Dies ist eine Implementierung der CUDA Runtime API, nicht von CUDA selbst.
• Der Zusammenhang mit George Hotz’ Ziel, Machine Learning auf AMD-Chips zu ermöglichen, ist nicht klar.
• Für den Erfolg könnte Unternehmensförderung notwendig sein.
• Es gibt andere Optionen für Menschen, die AMD-GPUs verwenden und Windows ausführen.
• Dieses Projekt scheint seit Februar 2022 keine Aktivität mehr zu zeigen.
• Es gibt einen Vorschlag für eine dritte Implementierung namens SHUDA.
• Im Vergleich zu HIP ist nicht klar, ob dies eine effiziente Abstraktion für Nvidia- und AMD-GPUs ist und wie es sich schlägt.
• Ähnliche Projekte waren in der Vergangenheit nicht besonders erfolgreich.
• Es gibt alternative API-Wrapper für die CUDA API.
• Eine Implementierung der Driver API ist für bestimmte Funktionen wichtig.
• Vom Codeumfang her ist dieses Projekt relativ klein.
• Mit dieser Implementierung könnte man CUDA-Programme auch auf AMD- und Intel-Geräten ausführen.
• Bei diesem Projekt wurde die Chance auf einen kreativeren Namen verpasst.