RUST · GPU · 高性能计算

从内核出发。
到模型运行。

以 Rust 连接 GPU 内核、计算库、张量与模型。在需要的层级构建，掌握底层执行。

cargo add ruda --features cuda

Rust 2024Direct PTXNative PyTorch

RUDA / COMPUTE STACK+

模型与训练ruLLM / ruda-nn / ruda-optim

张量与框架ruda-tensor / ruda-autodiff / ruda-torch

计算库ruBLAS / ruDNN / ruFFT / ruTENSOR

内核与执行ruda-kernel / ruda-compiler / runtime

GPU KERNEL → TENSOR → MODEL

01 / BUILD

从你的任务开始。

编写内核、训练模型，或在 PyTorch 中调用原生算子。

了解 Rust 内核 DSL、执行模型和直接 PTX 路径。

在 ruda:0 上使用原生算子、流与一阶训练。

准备模型权重，使用 ruLLM 进行文本与图像推理。

02 / COMPUTE

底层可控，上层可组合。各层职责清晰，协同构建。

03 / GET STARTED

克隆工作区，再按环境指南配置 GPU 与工具链。

● ● ●TERMINAL

git clone https://github.com/shuqi2077/RUDA.git
cd RUDA

NVIDIA 路径需要 Rust/Cargo、链接工具链、NVIDIA 驱动与 CUDA Toolkit。