NVIDIA CUDA-X™Libraries基于CUDA®构建,是一个库集合,与仅支持CPU的应用程序域(包括AI和高性能计算)相比,它具有更高的性能。
NVIDIA图书馆遍布全球,从资源受限的物联网设备到自动驾驶汽车,再到全球最大的超级计算机。因此,用户可以获得一组不断扩展的算法的高度优化实现。无论是构建新的应用程序还是加速现有的应用程序,开发人员都可以利用NVIDIA库来获得GPU加速的最简单方法。
GPU加速数学库为分子动力学、计算流体动力学、计算化学、医学成像和地震勘探等领域的计算密集型应用奠定了基础。
GPU加速基本线性代数(BLAS)库。
用于快速傅立叶变换实现的GPU加速库。
GPU加速标准数学函数库。
GPU加速随机数生成(RNG)。
GPU加速的密集和稀疏直接解算器。
稀疏矩阵的GPU加速BLAS。
GPU加速张量线性代数库。
GPU加速的直接稀疏解算器库。
用于模拟和隐式非结构化方法的GPU加速线性解算器。
GPU加速的高效并行算法库,用于C++中的多个操作,并用于研究自然科学、物流、旅行规划等领域的关系时的图形。
GPU加速的C++并行算法和数据结构库。
针对纳米级计算光刻技术的现代挑战。
库中有优化的工具和算法,可以加速计算光刻和使用GPU制造半导体。
GPU加速库用于加速表格、文本和图像数据的数据处理工作流。
零代码更改加速熊猫。
用于训练推荐系统的特征工程和预处理库。
用于管理自然语言处理(NLP)数据以训练大型语言模型(LLM)的Python库。
使用遵循NetworkX的python API快速导航图形分析库。
应用cuVS算法加速向量搜索,包括CAGRA的世界级性能。
开放应用程序框架,优化网络安全AI管道,用于分析大量实时数据。
NVIDIA GPUDirect®Storage在本地或远程存储(如NVMe或NVMe over Fabrics(NVMe-oF))与GPU内存之间创建直接数据路径。
使用Dask上的RAPIDS将数据科学管道扩展到多个节点。
用最少的代码更改来加速现有的Apache Spark应用程序。
用于图像和视频解码、编码和处理的GPU加速库,使用CUDA和GPU的专用硬件组件。
加速n维,尤其是生物医学图像的输入/输出(IO)、计算机视觉和图像处理。
开放源代码库,用于视觉AI管道中高性能、GPU加速的预处理和后处理。
用于解码和增强图像和视频以加速深度学习应用程序的便携式开源库。
用于JPEG解码的高性能GPU加速库。
GPU加速的图像、视频和信号处理功能。
Windows和Linux上的硬件加速视频编码和解码。
展示了NVIDIA GPU的最新硬件功能,专门用于计算图像之间像素的相对运动。
性能优化的多GPU和多节点通信原语。
GPU内存的OpenSHMEM标准,具有用于改进GPU性能的扩展。
用于快速多GPU、多节点通信的开放源代码库,在保持低延迟的同时最大化带宽。
用于使用CUDA和GPU专用硬件组件的深度学习应用程序的GPU加速库。
用于生产部署的高性能深度学习推理优化器和运行时。
GPU加速的深层神经网络基元库。
GPU加速了计算机视觉、图像处理和机器学习的开源库,现在支持实时操作。
带有音频和视频处理插件库的开源多媒体框架。
用于矩阵、信号和图像处理的GPU加速开源库。
Magma针对异构架构的GPU加速线性代数例程。
由RogueWave开发的GPU加速开源Fortran库,具有数学、信号和图像处理以及统计功能。
专门为GPU设计的图形处理库。
用于稀疏直接解算器的GPU加速函数,包含在SuiteSparse线性代数包中,作者为Prof。
Triton®声波风廓线仪对海洋、游戏中的水体、模拟和训练应用程序进行实时可视化模拟。
用于加速医疗、工业和国防领域成像应用的基本体。
NVIDIA开发人员计划的成员可以提前访问所有CUDA库版本以及NVIDIA在线错误报告和功能请求系统。
加入开发者计划