Compilador que transforma grafos de redes neuronales ONNX mediante MLIR en código con dependencias de ejecución mínimas.
triton-lang/triton
Lenguaje y compilador para escribir kernels personalizados de deep learning para GPU, muy eficientes y con código similar a Python, con mayor productividad que CUDA.
Alternativa open source a:CUDA
- Estrellas
- 20,529
- Forks
- 3,376
- Issues abiertos
- 1,372
- Último commit
- hace 10 horas
¿Qué es?
Triton es un lenguaje y compilador para escribir primitivas personalizadas de deep learning: kernels de bajo nivel que se ejecutan en GPU. Busca permitir que los desarrolladores escriban kernels rápidos con mayor productividad que con CUDA, sin renunciar a tanta flexibilidad como la que ofrecen otros lenguajes específicos de dominio.
El proyecto se puede instalar desde pip mediante paquetes binarios para CPython 3.10 a 3.14, y también se puede compilar desde el código fuente con una versión personalizada o precompilada de LLVM. Es compatible con GPU NVIDIA (Compute Capability 8.0 o superior) y AMD (ROCm 6.2 o superior); la compatibilidad con CPU figura como en desarrollo. Linux es la plataforma compatible.
El repositorio también incluye un intérprete de Triton que ejecuta kernels sin GPU y permite usar puntos de interrupción de Python dentro del código de los kernels. Un conjunto de opciones mediante variables de entorno permite volcar la IR de cada paso de MLIR y LLVM, sobrescribir kernels, generar reproducciones y obtener resultados de autotuning para tareas de depuración y optimización del rendimiento.
Funciones clave
- 01Escribe kernels para GPU en un lenguaje basado en Python con abstracciones a nivel de bloques.
- 02Ejecuta kernels en GPU NVIDIA y AMD.
- 03Incluye un modo intérprete que funciona sin GPU y admite puntos de interrupción de Python.
- 04Vuelca la IR en cada etapa de compilación de MLIR y LLVM para inspeccionarla.
- 05Admite la sobrescritura de kernels y plugins de compilador externos al árbol de código.
Casos de uso
- Escribir operadores fusionados personalizados o kernels de atención para modelos de deep learning.
- Optimizar kernels para GPU con mayor productividad que al escribir CUDA a mano.
- Depurar la lógica de los kernels en una máquina sin GPU mediante el intérprete.
- Estudiar o ampliar el pipeline del compilador basado en MLIR para generar código para GPU.
Inicio rápido
- 1
Instala la versión estable más reciente desde pip
pip install triton - 2
O instala desde el código fuente: clona el repositorio
git clone https://github.com/triton-lang/triton.git - 3
Instala las dependencias necesarias para la compilación desde el árbol de código fuente
pip install -r python/requirements.txt - 4
Instala Triton en modo editable
pip install -e .
Antes de usarlo
- Para compilar desde el código fuente, se necesita configurar una cadena de herramientas LLVM local o descargar una versión precompilada de LLVM durante la compilación.
- Para ejecutar el conjunto de pruebas de GPU se necesita una GPU, aunque el modo intérprete funciona sin ella.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es triton?
- Lenguaje y compilador para escribir kernels personalizados de deep learning para GPU, muy eficientes y con código similar a Python, con mayor productividad que CUDA. Triton es un lenguaje y compilador para escribir primitivas personalizadas de deep learning: kernels de bajo nivel que se ejecutan en GPU. Busca permitir que los desarrolladores escriban kernels rápidos con mayor productividad que con CUDA, sin renunciar a tanta flexibilidad como la que ofrecen otros lenguajes específicos de dominio.
- ¿triton es gratuito? ¿Qué licencia tiene?
- triton es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿triton sigue mantenido?
- Mantenimiento activo. El último commit de triton fue el 6 nov 2026.
- ¿Para qué puedo usar triton?
- Escribir operadores fusionados personalizados o kernels de atención para modelos de deep learning. Optimizar kernels para GPU con mayor productividad que al escribir CUDA a mano. Depurar la lógica de los kernels en una máquina sin GPU mediante el intérprete. Estudiar o ampliar el pipeline del compilador basado en MLIR para generar código para GPU.
- ¿Cómo se instala triton?
- Instala la versión estable más reciente desde pip: pip install triton O instala desde el código fuente: clona el repositorio: git clone https://github.com/triton-lang/triton.git Instala las dependencias necesarias para la compilación desde el árbol de código fuente: pip install -r python/requirements.txt Instala Triton en modo editable: pip install -e .
- ¿Dónde consigo triton?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/triton-lang/triton
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Compilador y runtime basados en MLIR que traducen modelos de ML a una IR unificada para desplegarlos desde centros de datos hasta dispositivos móviles y edge.
Framework de Python que compila redes neuronales profundas en código C++ CUDA/HIP fp16 para inferencias rápidas en GPU de NVIDIA y AMD.
Un compilador JIT de código abierto, compatible con NumPy, que convierte funciones numéricas de Python en código máquina rápido mediante LLVM.
Libro y colección de código de código abierto con apuntes actuales para aprender CUDA y más de 200 kernels de HGEMM, GEMM con FP8/FP4 y Flash-Attention.
AutoRT es una herramienta de compilación que ayuda a los desarrolladores a crear, evaluar y optimizar operadores de PyTorch para sus propios aceleradores.