Support for MacOS Metal Performance Shaders (MSP) based on py-metal-compute
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 20/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Stack tecnológico
- javascript
- Área
- computer-graphics
Línea de trabajo
Comienza leyendo src/backend/headless-gl/kernel.js y comparando su estructura de Kernel con WebGLKernel y HeadlessGLKernel. Después, estudia el comportamiento del paquete metalcompute e identifica cómo podría encajar su lógica de Metal en gpu.js. Se consideraría completado cuando exista una integración de backend o kernel de Metal definida y funcional que pueda utilizar las GPU relevantes, pero el issue no especifica pruebas ni criterios de aceptación.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Dear GPU Community,
recently I've started to play around with brain.js and processing calculations on GPU with the goal to squeeze some performance out of my home server with Blackmagic Pro eGPU. Generally speaking, I was able to run a few tests successfully, but surprisingly all calculations have been processed on my internal graphics card, not on eGPU.
However, if running tests with py-metal-compute (metalcompute pip package), calculation is being processed on all 3 GPUs.
With that, I would like to try to contribute looking for a way to migrate the logic from metalcompute to gpu.js. From my first observations I would need to develop a Kernel that can be injected similar to WebGLKernel or HeadlessGLKernel. As a first step I'm trying to get familiar with the code in src/backend/headless-gl/kernel.js, but if there is some information that would give me a head start, I would highly appreciate!
Any guidance that would speedup the development, I would highly appreciate it!
Best,
Vitali
- Lenguaje dominante
- JavaScript
- Estrellas
- 15.5k
- Forks
- 663
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de gpujs/gpu.js
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 65/100
-
WebGL backend silently returns all zeros for long-running kernels (no GL error, no context loss)Abierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 42/100
-
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
-
Bitwise result not correctAbierto
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
Todos los issues de gpujs/gpu.js
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
Los mantenedores suelen responder en 1 día
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 92/100
parse-community/parse-server#10699 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
area: dashboard bug perceived difficulty: 3
Dificultad 2/5 1-3 horas Aptitud para principiantes 88/100
Nitjsefnie-Harness-Commons/daedalus#1179 ·
Los mantenedores suelen responder en 1 día
-
Aframe enhancement javascript
Dificultad 1/5 Menos de una hora Aptitud para principiantes 92/100
webarkit/Aframe-nft#17 ·
-
spec-feedback
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100