Repolode
NVIDIA

NVIDIA/warp

Фреймворк для JIT-компиляции обычных Python-функций в ядра, работающие на CPU или GPU NVIDIA, для симуляций, робототехники и машинного обучения.

Звёзды
7,273
Форки
682
Открытые issues
390
Последний коммит
19 часов назад

Что это?

Warp преобразует обычные Python-функции в эффективный код ядер с помощью JIT-компиляции. Эти ядра работают на CPU или GPU. Фреймворк предназначен для ускоренных на GPU симуляций, робототехники, обработки геометрии и машинного обучения, а также включает примитивы для задач физики и геометрии.

Ядра Warp поддерживают дифференцирование, поэтому их можно использовать в конвейерах машинного обучения вместе с PyTorch, JAX и Paddle. Пакет распространяется через PyPI в виде wheel warp-lang; ускорение с помощью CUDA доступно в Windows и Linux x86-64, а сборки для macOS работают только на CPU.

В репозитории есть множество примеров: симуляция физических процессов, методы конечных элементов, дифференцируемая оптимизация и программирование GPU с использованием тайлов. Также доступны учебные ноутбуки, которые можно открыть в Colab.

Ключевые возможности

  • 01Компилирует обычные Python-функции в ядра для CPU или GPU с CUDA.
  • 02Ядра поддерживают дифференцирование и интегрируются с PyTorch, JAX и Paddle.
  • 03Включает примитивы для симуляции физических процессов, обработки геометрии и робототехники.
  • 04Устанавливается из PyPI как warp-lang; зависимости для примеров можно подключить дополнительно.
  • 05В комплект входят примеры и учебные ноутбуки по симуляции и оптимизации.

Сценарии использования

  • Запускать на GPU NVIDIA из Python масштабные симуляции частиц или жидкостей.
  • Создавать дифференцируемые симуляторы и передавать градиенты в цикл обучения PyTorch или JAX.
  • Обрабатывать геометрию, например выполнять raycasting по сеткам или извлекать изоповерхности в Python.
  • Создавать прототипы GPU-ядер без ручного написания кода на CUDA C++.

Быстрый старт

  1. 1

    Установите Warp из PyPI

    pip install warp-lang
  2. 2

    Запустите пример симуляции гравитации из кода Quick Start (сохраните его в файл Python и запустите)

Что важно знать

  • Для ускорения CUDA в Linux и Windows требуется видеокарта NVIDIA поколения Turing (sm_75) или новее и актуальный драйвер NVIDIA.
  • Wheels для macOS работают только на CPU и не поддерживают ускорение Metal.
  • Для сред CUDA 12 требуется отдельный wheel +cu12 или сборка из исходного кода.

В подборках

Темы

Частые вопросы

Что такое warp?
Фреймворк для JIT-компиляции обычных Python-функций в ядра, работающие на CPU или GPU NVIDIA, для симуляций, робототехники и машинного обучения. Warp преобразует обычные Python-функции в эффективный код ядер с помощью JIT-компиляции. Эти ядра работают на CPU или GPU. Фреймворк предназначен для ускоренных на GPU симуляций, робототехники, обработки геометрии и машинного обучения, а также включает примитивы для задач физики и геометрии.
warp можно использовать бесплатно? Какая у него лицензия?
warp распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
warp всё ещё поддерживается?
Активно поддерживается. Последний коммит в warp — 5 нояб. 2026 г..
Для чего можно использовать warp?
Запускать на GPU NVIDIA из Python масштабные симуляции частиц или жидкостей. Создавать дифференцируемые симуляторы и передавать градиенты в цикл обучения PyTorch или JAX. Обрабатывать геометрию, например выполнять raycasting по сеткам или извлекать изоповерхности в Python. Создавать прототипы GPU-ядер без ручного написания кода на CUDA C++.
Как установить warp?
Установите Warp из PyPI: pip install warp-lang Запустите пример симуляции гравитации из кода Quick Start (сохраните его в файл Python и запустите)
Где скачать warp?
Исходный код и инструкции по установке — на GitHub: https://github.com/NVIDIA/warp

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

Физический движок для GPU-симуляции на базе NVIDIA Warp, предназначенный для специалистов по робототехнике и исследователей симуляций.

5,9 тыс.+23 за неделю758PythonApache-2.0Обновлён 19 часов назад

Физический движок на базе JAX для массово-параллельного дифференцируемого моделирования твёрдых тел на ускорителях в исследованиях робототехники и RL.

3,3 тыс.+2 за неделю359Jupyter NotebookApache-2.0Обновлён 17 дней назад