VUDA: implementación de CUDA sobre Vulkan

• VUDA: una biblioteca de solo encabezados basada en Vulkan que proporciona una interfaz de la API de tiempo de ejecución de CUDA para escribir aplicaciones aceleradas por GPU.
• Está basada en la API de Vulkan y busca cumplir con la especificación del tiempo de ejecución de CUDA.
• Se puede acceder a las funciones de VUDA incluyendo vuda.hpp y usando el espacio de nombres vuda::, o utilizando vuda_runtime.hpp, que envuelve y redirige todas las funciones de CUDA.
• Este artículo ofrece documentación sobre cómo configurar y compilar VUDA, así como detalles de implementación.
• El artículo incluye ejemplos de código que muestran cómo usar VUDA para asignar memoria en el dispositivo, copiar arreglos al dispositivo, ejecutar kernels (módulos de shader de Vulkan) y copiar los resultados al host.
• VUDA ofrece una alternativa que permite aprovechar el rendimiento de Vulkan en lugar de usar la API de tiempo de ejecución NVIDIA CUDA.
• Este artículo presenta VUDA, una nueva biblioteca que combina las capacidades de Vulkan y CUDA.
• Las personas con conocimientos técnicos estarán interesadas en este artículo, que presenta una tecnología de vanguardia capaz de mejorar el rendimiento de las aplicaciones aceleradas por GPU.

[GN⁺]

Comentarios en Hacker News

• Es una implementación de la API de runtime de CUDA, no de CUDA en sí.
• No está clara su relación con el objetivo de George Hotz sobre machine learning en chips AMD.
• Para tener éxito, podría necesitar patrocinio corporativo.
• Hay otras opciones para quienes usan GPU de AMD y ejecutan Windows.
• Este proyecto parece no haber tenido actividad desde febrero de 2022.
• Hay una propuesta para una tercera implementación llamada SHUDA.
• No está claro si esta es una abstracción eficiente para GPU de Nvidia y AMD en comparación con HIP, ni cómo se compara.
• Proyectos similares no han logrado una gran popularidad en el pasado.
• Existe un wrapper alternativo de API para la API de CUDA.
• La implementación de la API del driver es importante para ciertas funciones específicas.
• En términos de código, este proyecto es relativamente pequeño.
• Con esta implementación, también sería posible ejecutar programas CUDA en dispositivos AMD e Intel.
• Se perdió la oportunidad de usar un nombre más creativo para este proyecto.