通过 LLVM，拓宽通向加速计算的道路 在 GPU 加速的应用开发方面，这一全新的支持是 NVIDIA 把 CUDA 编译器源代码贡献给 LLVM 核心与并行线程执行后端的结果。LLVM 是一种应用广泛的编译器基础架构。 Continuum Analytics 的 Python 开发环境利用 LLVM 和 NVIDIA CUDA 编译器软件开发包来为 Python 程序员提供 GPU 加速的应用程序功能。 LLVM 的模块化设计让语言和库设计师能够轻松地将 GPU 加速支持增添到 Python 等各种通用语言中，也可以增添到特定领域的编程语言中。 LLVM 高效而适时的编译功能让开发者能够针对各种架构即时编译 Python 等动态语言。 斯坦福大学化学系、结构生物学系以及计算机科学系教授 Vijay Pande 指出: “我们的研究团队一般会用 Python 语言为新理念和新算法开发原型设计与迭代，一旦证明该算法有效，然后就用 C 或 C++ 重新编写这一算法。 Python 中的 CUDA 支持让我们能够编写出高性能代码，同时还能保持 Python 所提供的高生产率。” Anaconda Accelerate 可用于 Continuum Analytics 的 Anaconda Python 产品，同时也是基于 Wakari 浏览器的数据探索与代码开发环境的一部分。 关于 CUDA CUDA 是 NVIDIA 开发的一种并行计算平台和编程模型。 该平台通过利用 GPU 的处理能力，可大幅提升计算性能。 CUDA 编程模型下载量已逾 170 万，支持 220 多款领先的工程、科学以及商业应用，在利用 GPU 加速计算这方面是开发者当中最流行的方式。 |
