CUDA Python
CUDA® Python 为 CUDA 驱动和运行时 API 提供了基于 Cython/Python 的封装，并且现在可以通过 PIP 和 Conda 进行安装。Python 开发者将能够利用大规模并行的 GPU 计算来获得更快速且更精确的结果。
Python 是一门重要的编程语言，在科学、工程、数据分析和深度学习应用生态系统中发挥着关键作用。然而，这些应用将能从 NVIDIA CUDA Python 软件计划中获益匪浅。
特性
访问适用于 CUDA 驱动程序和运行时 API 的 Python Wrapper
将 Python CUDA 生态系统与一组接口统一起来，从而全面覆盖和访问 Python 中的 CUDA 主机 API。可在 GitHub 上获取。
阅读博客CUDA Python 有何优势？
CUDA Python 提供统一的 API 和绑定接口，便于集成到现有工具包和库中，从而简化面向高性能计算 (HPC)、数据科学和人工智能的 GPU 并行处理。
CuPy 是由 Preferred Networks 开发的、兼容 NumPy/SciPy 的数组库，用于在 Python 中进行 GPU 加速计算。CUDA Python 简化了 CuPy 的构建流程，并在导入 CuPy Python 模块时实现了更快的速度和更小的内存占用。未来，随着更多 CUDA Toolkit 库的支持，CuPy 的维护负担将更轻，需要发布的轮子（wheels）也会更少，用户将因此受益于更快的 CUDA 运行时。
Numba 是来自 Anaconda 的一个 Python 编译器，可以将 Python 代码编译后在支持 CUDA 的 GPU 上执行，为 Python 开发者提供了一个轻松进入 GPU 加速计算的途径，并以尽可能少的新语法和术语，逐步使用更复杂的 CUDA 代码。借助 CUDA Python 和 Numba，你可以同时兼得：既保留 Python 的快速迭代开发体验，又拥有面向 CPU 和 NVIDIA GPU 的编译型语言的高运行速度。
生态系统
我们的目标是通过一组标准接口来帮助统一 Python CUDA 生态系统，从而全面覆盖和访问 Python 中的 CUDA 主机 API。我们希望为生态系统提供一个统一构建的基础，以便共同组成不同的加速库，从而解决手头的问题。我们还希望降低 Python 开发者使用 NVIDIA GPU 的门槛。
“Anaconda 非常支持 NVIDIA 通过 Python 为 CUDA 主机 API 提供一套统一、全面的接口。我们期待在 Numba 的 CUDA Python 编译器中采用此软件包，以减轻我们的维护负担并提高 CUDA Python 生态系统中的互操作性。”
– Peter Wang，Anaconda 首席执行官
“Quansight 是连接公司和社区以促进开源数据科学的领导者。Python 数据技术领域不断变化，NVIDIA 致力于为 Python 提供易于使用的 CUDA API 绑定，而 Quansight 对此表示支持。我们计划使用此软件包构建自己的 NVIDIA 加速解决方案，并将这些解决方案带给我们的客户。”
— Travis Oliphant，Quansight 首席执行官
即将登陆 GitHub。