NVIDIA CUDA-ઓક્સાઇડ 0.2.0

આ અંક પ્રકાશિત થઈ ગયો છે. CUDA-ઓક્સાઇડ 0.2.0 — એક પ્રાયોગિક NVIDIA લેબ્સ કમ્પાઇલર જે તમને CUDA કર્નલ માટે કોડ લખવાની મંજૂરી આપે છે શુદ્ધ રસ્ટ અને તેમને સીધા જ કમ્પાઇલ કરો પીટીએક્સઆ પ્રોજેક્ટ રસ્ટક માટે પોતાના બેકએન્ડનો ઉપયોગ કરે છે અને મોડેલને સપોર્ટ કરે છે. સિમટી અને કાર્ગો ઓક્સાઇડ કમાન્ડનો ઉપયોગ કરીને બનાવવામાં આવ્યું છે, જેમાં હોસ્ટ અને ડિવાઇસ કોડ એક જ સોર્સ ટ્રીમાં રહી શકે છે. આ રિલીઝ થયું વર્ષના 5 જૂન 2026 અને તેને પ્રથમ "સમુદાય પ્રકાશન" નામ આપવામાં આવ્યું: 0.1.0 શાખાના ઉદઘાટન પછી, પ્રોજેક્ટે 23 સહભાગીઓ તરફથી 37 પુલ વિનંતીઓ સ્વીકારી.

CUDA-Oxide 0.2.0 માં મુખ્ય ફેરફાર એ સ્વ-સમાયેલ એક્ઝિક્યુટેબલમાં સંક્રમણ છે. જનરેટ કરેલા GPU આર્ટિફેક્ટ્સ - PTX, NVVM-IR, LTOIR અને ક્યુબિન - હવે નવા ઓક્સાઇડ-આર્ટિફેક્ટ્સ ફોર્મેટ દ્વારા સીધા હોસ્ટ બાઈનરીમાં એમ્બેડ કરી શકાય છે. આનો અર્થ એ છે કે CUDA કોર સાથેના રસ્ટ પ્રોગ્રામને હવે અલગ .ptx ફાઇલો વહન કરવાની જરૂર નથી, અને કોરો સીધા ચાલી રહેલા એક્ઝિક્યુટેબલમાંથી લોડ થાય છે.

મુખ્ય ફેરફારો:

• હોસ્ટ બાઈનરીમાં GPU કોરો એમ્બેડ કરી રહ્યા છીએ. નવું #[cuda_module] મિકેનિઝમ એક ટાઇપ કરેલ કર્નલ લોન્ચ ઇન્ટરફેસ જનરેટ કરે છે અને લો-લેવલ મોડ્યુલ લોડિંગને છુપાવે છે. ડેવલપર માટે, આ પ્રમાણભૂત રસ્ટ API ની નજીક લાગે છે: સ્લાઇસેસ અને બફર્સ CUDA બફર સાથે મેપ કરવામાં આવે છે, અને લોન્ચિંગ વધુ મજબૂત રીતે ટાઇપ કરવામાં આવે છે.

• CUDA સતત મેમરી સપોર્ટ. #[constant] અને Constant ઉમેર્યા હોસ્ટ સેટર જનરેશન સાથે. PTX સ્તર પર, આ .const અને એડ્રેસ સ્પેસ 4 ને અનુરૂપ છે. આ તે ડેટા માટે મહત્વપૂર્ણ છે જેને ઉપકરણ પર સતત મૂલ્યો તરીકે કર્નલ માટે સુલભ કરવાની જરૂર છે.

• વધુ ઉપકરણ ગણિત. f32::max, f32::min, તેમજ f32 અને f64 માટે atan અને atan2, libdevice દ્વારા ઉમેરવામાં આવ્યા છે. આ વાસ્તવિક દુનિયાના કમ્પ્યુટિંગ કર્નલોના સમૂહને વિસ્તૃત કરે છે જેને C++/CUDA નો આશરો લીધા વિના વ્યક્ત કરી શકાય છે.

• સાયલન્ટ મિસકમ્પાઇલ ફિક્સેસ. ઘણા સાયલન્ટ મિસકમ્પાઇલ્સ હવે ખોટો PTX (ગુમ થયેલ wgmma એક્યુમ્યુલેટ, એક્સક્લુડ્ડ ડિસ્ટ્રક્ટર, સ્વેલોડ ઓપરેટર્સ) જનરેટ કરવાને બદલે બિલ્ડ-ટાઇમ નિષ્ફળતામાં પરિણમે છે.

• સુધારેલ હોસ્ટ રનટાઇમ. ઉપકરણમાં ડેટા ટ્રાન્સફર માટે DeviceCopy સુરક્ષા કરાર ઉમેરવામાં આવ્યો છે, સાથે સ્ટ્રીમ-ઓર્ડર્ડ ટ્રાન્સફર સાથે પિન કરેલા હોસ્ટ બફર્સ, અસિંક્રોનસ એરર ફોરવર્ડિંગ અને CUDA ડ્રાઇવર API સાથે એકીકરણ માટે કાચા CUમોડ્યુલની નીચી-સ્તરની ઍક્સેસ પણ ઉમેરવામાં આવી છે. DeviceBuffer એલોકેટર મિસમેચ પણ સુધારેલ છે, અને CUDA 12.8/13 અને aarch64 સાથે સુસંગતતા ઉમેરવામાં આવી છે.

• CUDA ટાઇલ સાથે એકીકરણ. આ પ્રકાશન ક્યુટાઇલ ↔ SIMT ક્રિયાપ્રતિક્રિયાનું ઉદાહરણ ઉમેરે છે: CUDA-ઓક્સાઇડ ટાઇલ કોર અને SIMT PTX કોર શેર્ડ ડિવાઇસ ટેન્સર સાથે એક જ CUDA સ્ટ્રીમ પર ચાલી શકે છે. આ NVIDIA ની વ્યાપક રસ્ટ/CUDA વ્યૂહરચનામાં CUDA-ઓક્સાઇડનું સ્થાન દર્શાવે છે: આ પ્રોજેક્ટ ટાઇલ DSL ને બદલતો નથી, પરંતુ રસ્ટમાં સ્પષ્ટ SIMT પ્રોગ્રામિંગ માટે અંતરને બંધ કરે છે.

• અપસ્ટ્રીમ પ્લિરન/LLVM સાથે કન્વર્જન્સ. આંતરિક ડાયલેક્ટ-llvm ને pliron-org સમુદાયમાંથી બાહ્ય pliron-llvm સાથે બદલવામાં આવ્યું છે, અને સ્થાનિક ઘટકનું નામ બદલીને llvm-export કરવામાં આવ્યું છે. આ પ્રોજેક્ટના ઇન્ફ્રાસ્ટ્રક્ચરના ફોર્કને ઘટાડે છે અને તેને અપસ્ટ્રીમ વિકાસ સાથે વધુ નજીકથી ગોઠવે છે.

• પ્રોજેક્ટમાં એસેમ્બલી અને પ્રવેશને સરળ બનાવવો. કાર્ગો ઓક્સાઇડ હવે RUSTFLAGS, CUDA_HOME, ને માન આપે છે, જે nvcc હોસ્ટ કમ્પાઇલર છે, તે રસ્ટ ટૂલચેનમાંથી llc શોધી શકે છે, લક્ષ્ય GPU ને આપમેળે શોધી કાઢે છે, અને અપડેટ પછી જૂના બેકએન્ડ કેશને રીસેટ કરે છે. પુનઃઉત્પાદનક્ષમ વિકાસ વાતાવરણ માટે devcontainer અને Nix flake ઉમેર્યા છે.

CUDA-Oxide હજુ પણ પ્રારંભિક આલ્ફા સંસ્કરણ છે: પ્રોજેક્ટ ગિટ દ્વારા વિતરિત કરવામાં આવે છે, હજુ સુધી crates.io પર પ્રકાશિત થયો નથી અને ફક્ત સપોર્ટ કરે છે LinuxREADME એ સ્પષ્ટપણે ચેતવણી પણ આપે છે કે API તૂટી શકે છે, અને બગ્સ અને અધૂરી સુવિધાઓ અપેક્ષિત છે.

લાઇસન્સિંગમાં એક સૂક્ષ્મતા છે: કાર્યસ્થળનો મુખ્ય ભાગ નીચે વિતરિત થયેલ છે અપાચે લાઇસન્સ 2.0, પરંતુ ક્રેટ કુડા-બાઇન્ડિંગ્સ ઉપયોગ કરે છે NVIDIA સોફ્ટવેર લાઇસન્સતેથી, CUDA-Oxide ને સંપૂર્ણપણે એકરૂપ Apache પ્રોજેક્ટ તરીકે વર્ણવી શકાય નહીં; તે CUDA ઇકોસિસ્ટમની આસપાસ NVIDIA લેબ્સ દ્વારા એક ઓપન-સોર્સ ડેવલપમેન્ટ છે, જેમાં નીચા-સ્તરના CUDA બાઈન્ડિંગ્સ માટે અલગ લાઇસન્સ છે.

સોર્સ: linux.org.ru