VUDA: implementação de CUDA em Vulkan

• VUDA: uma biblioteca header-only baseada em Vulkan que fornece uma interface da API de runtime CUDA para escrever aplicações com aceleração por GPU.
• Ela é baseada na API Vulkan e busca cumprir a especificação do runtime CUDA.
• Os recursos do VUDA podem ser acessados incluindo vuda.hpp e usando o namespace vuda::, ou por meio de vuda_runtime.hpp, que encapsula e redireciona todas as funcionalidades do CUDA.
• Este artigo fornece documentação sobre como configurar e compilar o VUDA, além de detalhes de implementação.
• O artigo inclui exemplos de código mostrando como usar o VUDA para alocar memória no dispositivo, copiar arrays para o dispositivo, executar kernels (módulos de shader Vulkan) e copiar os resultados de volta para o host.
• O VUDA oferece uma alternativa que permite aproveitar o desempenho do Vulkan em vez de usar a API de runtime NVIDIA CUDA.
• Este artigo apresenta um conteúdo especial sobre o VUDA, uma nova biblioteca que combina recursos do Vulkan e do CUDA.
• Pessoas com domínio técnico terão interesse neste artigo, que apresenta uma tecnologia de ponta capaz de melhorar o desempenho de aplicações aceleradas por GPU.

[GN⁺]

Comentários do Hacker News

• É uma implementação da API de runtime do CUDA, não do CUDA em si.
• Não está claro como isso se relaciona com o objetivo de machine learning do George Hotz em chips AMD.
• Pode precisar de patrocínio corporativo para ter sucesso.
• Existem outras opções para quem usa GPU AMD e roda Windows.
• Este projeto parece não ter atividade desde fevereiro de 2022.
• Há uma sugestão de uma terceira implementação chamada SHUDA.
• Em comparação com o HIP, não está claro se isso é uma abstração eficiente para GPUs da Nvidia e da AMD, nem como se compara.
• Projetos semelhantes não tiveram muita popularidade no passado.
• Existem wrappers de API alternativos para a API do CUDA.
• A implementação da API de driver é importante para certos recursos.
• Em termos de código, este projeto é relativamente pequeno.
• Com essa implementação, também deve ser possível executar programas CUDA em dispositivos AMD e Intel.
• Perdeu-se a chance de usar um nome mais criativo para este projeto.