Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

[Design] CUDA support

Abierto
  • ¿Algo no está bien?
#599 1 comentario 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
5/5
Tiempo estimado
Más de una semana
Aptitud para principiantes
25/100
Tipo de issue
Nueva funcionalidad
Claridad
Bastante claro
Estado de actividad
Estancado
Stack tecnológico
python, tensorflow
Área
backend, ci-cd, performance

Línea de trabajo

Comienza revisando qsim PR 366 y la dependencia actual de qsim para determinar cuándo está disponible la compatibilidad con CUDA. Después, mapea las operaciones expectation, sampled_exctation, sample, state, math_ops y noise, añade un trabajo de build de GPU de Kokoro y compara mediante benchmarks ambos esquemas de paralelización; se considera terminado cuando se proporcionan objetivos de hardware GPU y decisiones de rendimiento documentadas.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

area/gpu help wanted kind/feature-request skill-level/expert

With early stages of CUDA support starting to make its way into qsim we should investigate registering GPU host devices for our OP kernels so we can give our users GPU accelerated simulation when it makes sense to do so.

Like with our existing ops, we may need to have two different parallelization schemes, one for small circuits where we parallelize over circuits in a batch and one for larger circuits we parallelize across single large wavefunctions. Once the connections have been made we should do an in depth study to determine which scenarios give best performance. This is a large project and will roughly require the following:

  1. Upgrade our qsim dependency to the latest version containing CUDA support (once available)
  2. Add a kokoro CI job that can build on GPUs, since github actions won't let us test / compile on real GPU hardware.
  3. For each of our core ops (expectation, sampled_exctation, sample and state) carry out performance benchmarks under the two parallelization schemes for GPU and provide new OP hardware targets that give the users the best possible performance
  4. Carry out these same tests for the math_ops.
  5. Carry out these tests again for the noise ops.
Lenguaje dominante
Python
Estrellas
2.2k
Forks
665
Sin PR fusionados en 30 d

Preparar el entorno

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de tensorflow/quantum

Todos los issues de tensorflow/quantum

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.