arrayfire 다운로드 - arrayfire 소스 코드 다운로드

arrayfire

C/C++

v3.9.0

다운로드

Arrayfire는 CPU, GPU 및 기타 하드웨어 가속 장치에있는 병렬 아키텍처의 소프트웨어 개발 프로세스를 단순화하는 일반 목적 텐서 라이브러리입니다. 도서관은 모든 기술 컴퓨팅 시장에서 사용자에게 서비스를 제공합니다.

Arrayfire의 몇 가지 혜택은 다음과 같습니다.

다음 영역에서 수백 개의 가속 텐서 컴퓨팅 기능 :
- 배열 처리
- 컴퓨터 비전
- 이미지 처리
- 선형 대수
- 기계 학습
- 표준 수학
- 신호 처리
- 통계
- 벡터 알고리즘
사용하기 쉽고 안정적이며 잘 문서화 된 API
최고 성능 및 수치 정확도 보장하는 엄격한 벤치 마크 및 테스트
Windows, Mac 및 Linux에서 Cuda, Oneapi, Opencl 및 Native CPU에 대한 지원과의 교차 플랫폼 호환성
Forge를 통한 내장 시각화 기능
상업적으로 친숙한 오픈 소스 라이센스
Arrayfire의 엔터프라이즈 지원

Arrayfire는 소프트웨어 개발자에게 가속기 af::array 객체에있는 데이터의 높은 수준의 데이터를 제공합니다. 개발자는 Arrayfire Array에서 작업을 수행하는 코드를 작성하며, 이는 계산 장치에서 실행되는 거의 최적의 커널로 자동으로 변환됩니다.

Arrayfire는 저전력 휴대폰에서 고출력 GPU 지원 슈퍼 컴퓨터에 이르는 장치에서 실행됩니다. Arrayfire는 모든 주요 공급 업체 (Intel, AMD, ARM), 저명한 제조업체 (AMD, Intel, Nvidia 및 Qualcomm)의 GPU 및 Windows, Mac 및 Linux의 다양한 가속기 장치의 CPU에서 실행됩니다.

배열 파이어를 얻습니다

소스에서 배열 파이어를 설치하거나 빌드하는 지침은 위키에서 찾을 수 있습니다.

Arrayfire를 사용한 Conway의 삶의 게임

Conway의 인생 게임에 대한 설명은 Wikipedia 페이지를 방문하십시오.

콘웨이의 삶의 게임

 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
}

전체 소스 코드는 여기에서 찾을 수 있습니다.

퍼셉트론

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 );