La plataforma de NVIDIA para CUDA en Rust, con crates de runtime para el host y modelos SIMT y Tile para escribir kernels de GPU en Rust.
4 mil+94 esta semana362RustApache-2.0Actualizado hace 23 horas
taichi-dev/taichi
Un lenguaje de programación integrado en Python que compila kernels numéricos con JIT para ejecutarlos en CPU y GPU, como CUDA, Vulkan y Metal.
- Estrellas
- 28,450
- Forks
- 2,392
- Issues abiertos
- 926
- Último commit
- el mes pasado
¿Qué es?
Taichi Lang es un lenguaje de programación imperativo y paralelo para computación numérica de alto rendimiento, integrado en Python. Las funciones decoradas con @ti.kernel se compilan justo a tiempo mediante una cadena de herramientas basada en LLVM y se convierten en instrucciones nativas para CPU o GPU, lo que permite ejecutar código Python con mucha carga de cálculo en paralelo sin reescribirlo en C++ o CUDA.
La sintaxis se mantiene cercana a la de Python y el lenguaje se integra con NumPy y PyTorch. Sus contenedores de datos, llamados SNodes, permiten describir campos jerárquicos y multidimensionales, incluidos diseños espacialmente dispersos. El código se escribe una sola vez y puede ejecutarse en backends compatibles como CUDA, Vulkan, OpenGL, Apple Metal y CPU x64/ARM.
El proyecto también incluye compatibilidad con programación diferenciable y un visualizador 3D basado en Vulkan. Su galería y sus ejemplos abarcan simulación física, renderizado y dinámica de fluidos.
Funciones clave
- 01Escribe kernels con sintaxis de Python que se compilan con JIT para generar código de CPU o GPU.
- 02Se ejecuta en CUDA, Vulkan, OpenGL, Apple Metal y CPU x64/ARM.
- 03Admite estructuras de datos espacialmente dispersas mediante contenedores SNode.
- 04Se integra con NumPy y PyTorch.
- 05Incluye programación diferenciable y un visualizador 3D basado en Vulkan.
Casos de uso
- Acelerar en Python simulaciones numéricas de fluidos, partículas o sistemas físicos.
- Crear prototipos de algoritmos para GPU sin escribir a mano código CUDA ni shaders.
- Crear pipelines diferenciables de física o gráficos.
- Desarrollar experimentos de renderizado o efectos visuales que requieran computación paralela.
Inicio rápido
- 1
Instala Taichi con pip
pip install taichi - 2
Abre la galería de demostraciones
ti gallery
Antes de usarlo
- Solo Python 3.6 a 3.10, de 64 bits.
- Los paquetes nightly preliminares pueden provocar fallos porque no se han probado por completo.
En colecciones
Temas
#gpu-programming#python#high-performance-computing#simulation#compiler#differentiable-programming#computer-graphics#gpu#sparse-computation#taichi
Preguntas frecuentes
- ¿Qué es taichi?
- Un lenguaje de programación integrado en Python que compila kernels numéricos con JIT para ejecutarlos en CPU y GPU, como CUDA, Vulkan y Metal. Taichi Lang es un lenguaje de programación imperativo y paralelo para computación numérica de alto rendimiento, integrado en Python. Las funciones decoradas con @ti.kernel se compilan justo a tiempo mediante una cadena de herramientas basada en LLVM y se convierten en instrucciones nativas para CPU o GPU, lo que permite ejecutar código Python con mucha carga de cálculo en paralelo sin reescribirlo en C++ o CUDA.
- ¿taichi es gratuito? ¿Qué licencia tiene?
- taichi es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿taichi sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de taichi fue el 5 oct 2026.
- ¿Para qué puedo usar taichi?
- Acelerar en Python simulaciones numéricas de fluidos, partículas o sistemas físicos. Crear prototipos de algoritmos para GPU sin escribir a mano código CUDA ni shaders. Crear pipelines diferenciables de física o gráficos. Desarrollar experimentos de renderizado o efectos visuales que requieran computación paralela.
- ¿Cómo se instala taichi?
- Instala Taichi con pip: pip install taichi Abre la galería de demostraciones: ti gallery
- ¿Dónde consigo taichi?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/taichi-dev/taichi
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Framework de Python que compila funciones Python comunes con JIT para convertirlas en kernels que se ejecutan en CPU o GPU NVIDIA, para simulación, robótica y ML.
7,3 mil+20 esta semana683PythonApache-2.0Actualizado hace 20 horas
Simulador de cuadricópteros basado en JAX que ejecuta simulaciones diferenciables por lotes en CPU y GPU para drones Crazyflie 2.x.
200+3 esta semana49PythonMITBien mantenidoActualizado hace 16 horas
Biblioteca C++ de solo cabecera para crear programas paralelos mediante grafos de tareas, con soporte para multihilo en CPU y GPU CUDA.
Backend y APIs#concurrent-programming#multithreading#parallel-computing#task-parallelism#gpu-programming
12,2 mil+6 esta semana1,4 milC++OtherBien mantenidoActualizado hace 23 días
Un profiler de Python que informa el uso de CPU, GPU y memoria por línea, con sugerencias opcionales de optimización generadas por IA.
Herramientas para desarrolladores#python#profiling#performance-analysis#memory-profiling#cpu-profiling
13,6 mil+13 esta semana446PythonApache-2.0Bien mantenidoActualizado hace 6 días
Biblioteca C/C++ para optimizar mallas de triángulos, acelerar su renderizado en GPU y reducir su tamaño de almacenamiento y transmisión.
Herramientas para desarrolladores#computer-graphics#gpu#mesh-processing#mesh-optimization#mesh-simplification
8,8 mil+75 esta semana751C++MITBien mantenidoActualizado hace 24 días