arrayfireダウンロードarrayfireソースコードのダウンロード

arrayfire

C/C++

v3.9.0

ダウンロード

ArrayFireは、CPU、GPU、およびその他のハードウェアアクセラレーションデバイスに見られる並列アーキテクチャのソフトウェア開発プロセスを簡素化する汎用テンソルライブラリです。ライブラリは、すべてのテクニカルコンピューティング市場のユーザーにサービスを提供しています。

Arrayfireの利点のいくつかは次のとおりです。

次の領域で、数百の加速テンソルコンピューティング関数：
- 配列処理
- コンピュータービジョン
- 画像処理
- 線形代数
- 機械学習
- 標準的な数学
- 信号処理
- 統計
- ベクトルアルゴリズム
使いやすく、安定した、十分に文書化されたAPI
トップのパフォーマンスと数値の精度を確保する厳格なベンチマークとテスト
Windows、Mac、LinuxのCuda、Oneapi、OpenCL、およびネイティブCPUのサポートとのクロスプラットフォームの互換性
Forgeを介した組み込みの視覚化機能
商業的にフレンドリーなオープンソースライセンス
ArrayFireからのエンタープライズサポート

ArrayFireは、ソフトウェア開発者に、アクセラレータaf::arrayオブジェクトに存在するデータの高レベルの抽象化を提供します。開発者は、ArrayFireアレイで操作を実行するコードを作成します。これは、計算デバイスで実行される最適に近いカーネルに自動的に変換されます。

ArrayFireは、低電力携帯電話から高電力GPU対応のスーパーコンピューターに至るまでのデバイスで実行されます。 ArrayFireは、すべての主要ベンダー（Intel、AMD、ARM）、著名なメーカー（AMD、Intel、Nvidia、およびQualcomm）からのGPU、およびWindows、Mac、Linuxの他のさまざまなアクセラレータデバイスからのCPUで実行されます。

arrayfireを取得します

SourceからArrayFireをインストールまたは構築する手順は、Wikiにあります。

Arrayfireを使用したConwayの人生のゲーム

コンウェイの人生のゲームの説明については、ウィキペディアページをご覧ください。

コンウェイの人生のゲーム

 static const float h_kernel[] = { 1 , 1 , 1 , 1 , 0 , 1 , 1 , 1 , 1 };
static const array kernel ( 3 , 3 , h_kernel, afHost);

array state = (randu( 128 , 128 , f32) > 0.5 ).as(f32); // Init state
Window myWindow ( 256 , 256 );
while (!myWindow.close()) {
    array nHood = convolve (state, kernel); // Obtain neighbors
    array C0 = (nHood == 2 );  // Generate conditions for life
    array C1 = (nHood == 3 );
    state = state * C0 + C1;  // Update state
    myWindow. image (state);    // Display
}

完全なソースコードはここにあります。

パーセプトロン

array predict ( const array &X, const array &W) {
    return sigmoid ( matmul (X, W));
}

array train ( const array &X, const array &Y,
        double alpha = 0.1 , double maxerr = 0.05 ,
        int maxiter = 1000 , bool verbose = false ) {
    array Weights = constant ( 0 , X. dims ( 1 ), Y. dims ( 1 ));

    for ( int i = 0 ; i < maxiter; i++) {
        array P   = predict (X, Weights);
        array err = Y - P;
        if (mean< float >( abs (err) < maxerr) break ;
        Weights += alpha * matmulTN (X, err);
    }
    return Weights;
}
...

array Weights = train(train_feats, train_targets);
array test_outputs  = predict(test_feats, Weights);
display_results< true >(test_images, test_outputs,
                      test_targets, 20 );