CUDA.JL 5.8: siaran CusparsEvector, Cuda 12.9, dan banyak lagi – Beragampengetahuan

Oleh: Tim Besard

Re -Post dari:

Cuda.jl v5.8 membawa beberapa perbaikan, terutama pengantar dukungan siaran CuSparseVector. Rilis ini juga mencakup dukungan untuk CUDA 12.9 dan perpustakaan utama yang diperbarui CUDA seperti Cutensor, Cuquantum dan Cudnn.

Disiarkan untuk CuSparseVector

Peningkatan yang signifikan di Cuda.jl v5.8 adalah dukungan untuk siaran CuSparseVector. Berkat @Khyatt, sekarang mungkin untuk menggunakan vektor GPU yang jarang dalam ekspresi siaran seolah -olah itu bisa dengan matriks yang jarang:

julia> using CUDA, .CUSPARSE, SparseArraysjulia> x = cu(sprand(Float32, 10, 0.3))
10-element CuSparseVector{Float32, Int32} with 4 stored entries:
  [2]  =  0.459139
  [3]  =  0.964073
  [8]  =  0.904363
  [9]  =  0.721723julia> # a zero-preserving elementwise operation
       x .* 2
10-element CuSparseVector{Float32, Int32} with 4 stored entries:
  [2]  =  0.918278
  [3]  =  1.928146
  [8]  =  1.808726
  [9]  =  1.443446julia> # a non-zero-preserving elementwise operation
       x .+ 1
10-element CuArray{Float32, 1, CUDA.DeviceMemory}:
 1.0
 1.4591388
 1.9640732
 1.0
 1.0
 1.0
 1.0
 1.9043632
 1.7217231
 1.0julia> # combining multiple sparse inputs
       x .+ cu(sprand(Float32, 10, 0.3))
10-element CuSparseVector{Float32, Int32} with 6 stored entries:
  [1]  =  0.906
  [2]  =  0.583197
  [3]  =  0.964073
  [4]  =  0.259103
  [8]  =  0.904363
  [9]  =  0.935917

Perubahan kecil

CUDA.JL 5.8 juga mencakup beberapa pembaruan bermanfaat lainnya:

Seperti biasa, kami mendorong pengguna untuk memperbarui ke versi terbaru untuk mendapatkan manfaat dari perbaikan dan koreksi ini. Periksa Changelog untuk daftar perubahan lengkap.

Terkait