NVIDIA/thrustArchived
Thrust
Thrust ist eine C++-Bibliothek für parallele Algorithmen, die eine Suite von Schnittstellen bietet, die von der Standardbibliothek inspiriert sind und auf Multi-Core- und Beschleuniger-Hardware ausgeführt werden können. Sie dient als CUDA-beschleunigte Datenbibliothek und generische parallele Programmierschnittstelle, die für hochperformante Datenverarbeitung über GPUs und CPUs hinweg entwickelt wurde.
Das Projekt implementiert eine portable Abstraktionsschicht, die heterogene Computing-Workflows ermöglicht, sodass dieselbe Kern-Algorithmus-Logik auf verschiedenen Hardware-Beschleunigern ausgeführt werden kann. Dies wird durch ein generisches Programmier-Policy-Design und ein Backend-agnostisches Ausführungsmodell erreicht, das High-Level-Funktionsaufrufe auf parallele Hardware abbildet.
Die Bibliothek deckt ein breites Spektrum an High-Performance-Computing-Funktionen ab, einschließlich paralleler Datenmanipulation, numerischer Reduktionen und Device-Speicherverwaltung. Sie bietet spezialisierte Werkzeuge für die Übertragung von Daten zwischen dem Host-Systemspeicher und dem diskreten Device-Speicher, um groß angelegte Operationen wie Sortieren und Suchen zu erleichtern.
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.
