NVIDIA/thrustArchived
Thrust
Thrust هي مكتبة خوارزميات متوازية لـ C++ توفر مجموعة من الواجهات المستوحاة من المكتبة القياسية للتنفيذ على الأجهزة متعددة النوى والمسرعات. تعمل كمكتبة بيانات مسرعة بواسطة CUDA وواجهة برمجة متوازية عامة مصممة لتمكين معالجة البيانات عالية الأداء عبر وحدات معالجة الرسومات (GPUs) ووحدات المعالجة المركزية (CPUs).
ينفذ المشروع طبقة تجريد محمولة تسمح بسير عمل الحوسبة غير المتجانسة، مما يتيح تشغيل نفس منطق الخوارزمية الأساسي على مسرعات أجهزة مختلفة. يتم تحقيق ذلك من خلال تصميم سياسة برمجة عامة ونموذج تنفيذ غير محايد للخلفية يقوم بتعيين استدعاءات وظيفية عالية المستوى إلى أجهزة متوازية.
تغطي المكتبة مجموعة واسعة من قدرات الحوسبة عالية الأداء، بما في ذلك معالجة البيانات المتوازية، والاختزالات العددية، وإدارة ذاكرة الجهاز. توفر أدوات متخصصة لنقل البيانات بين ذاكرة النظام المضيف وذاكرة الجهاز المنفصلة لتسهيل العمليات واسعة النطاق مثل الفرز والبحث.
Features
- C++ Parallelism Libraries - Provides a comprehensive library of parallel primitives and data-parallel templates for high-performance GPU programming in C++.
- Kernel Dispatchers - Maps high-level functional calls to parallel grids of threads on GPU hardware accelerators.
- Cross-Platform Compute Abstractions - Enables a heterogeneous computing workflow where the same core algorithm logic runs on different hardware accelerators.
- Host-to-Device Data Transfers - Provides specialized tools for moving data between host system memory and parallel device memory.
- CPU-GPU Backend Switching Abstractions - Provides abstractions that allow algorithms to switch execution between CPU and GPU backends through a unified interface.
- Device Memory Abstraction Layers - Offers abstraction layers to manage data transfers between system RAM and GPU memory for fast parallel processing.
- Iterator-Based Abstractions - Uses specialized iterator classes to provide a unified interface for varying memory layouts across different hardware.
- Policy-Based Design - Utilizes policy-based design to configure hardware-specific execution and memory models at compile time.
- Parallel Algorithms - Provides fundamental data-parallel operations such as sorting and reduction for high-performance computing.
- Standard C++ Parallel Algorithm Offloads - Provides parallel versions of C++ Standard Template Library (STL) algorithms optimized for device-side execution.
- Parallel Programming Interfaces - Implements a portable abstraction layer for parallel reductions and data transformations across different hardware accelerators.
- CUDA-Accelerated Libraries - Provides a suite of tools for managing memory transfers and executing computations specifically on NVIDIA CUDA hardware.
- Accelerator-Based Data Parallelism - Implements large-scale parallel operations like sorting and searching across massive datasets using hardware accelerators.
- Parallel Reductions - Provides parallel reduction operations to calculate aggregate values like sums and maximums across many processor cores.
- Device-Specific Memory Allocators - Implements customizable memory allocators to decouple memory management from algorithm logic for different device spaces.
- Compile-Time Metaprogramming - Employs compile-time metaprogramming to resolve hardware-specific types and dispatching logic without runtime overhead.
