即时编译
Python 函数在运行时被编译成原生的 CPU 与 GPU kernel——不用重写代码，也没有构建步骤。
为什么选择 Kelvin
C++ 的性能，Python 的写法。
处处可运行
同一份代码自动适配 CUDA、Vulkan、Metal 以及多线程 x86 后端。
为仿真而生
空间稀疏数据结构、可微分 kernel，以及以物理为先的标准库。
原生互操作
与 NumPy、PyTorch 张量零拷贝交换数据，现有流水线无需改动。
快速上手
一行命令，立刻跑起来。
从 PyPI 安装，用 @kv.kernel 装饰一个函数，最外层的每个循环都会自动并行到你的硬件上。
pip install kelvin-lang
julia.py
import kelvin as kv
kv.init(arch=kv.gpu)
n = 320
pixels = kv.field(dtype=float, shape=(n * 2, n))
@kv.kernel
def paint(t: float):
for i, j in pixels: # 自动并行
pixels[i, j] = kv.sin(i * 0.02 + t) * 0.5 + 0.5
gui = kv.GUI("Julia Set", res=(n * 2, n))
for frame in range(1_000_000):
paint(frame * 0.03)
gui.set_image(pixels)
gui.show()广泛采用，值得信赖
受到开源社区，以及学术界与工业界一线团队的信赖。
- 14.8k+
- Star 数
- 来自 GitHub
- 500k+
- 累计下载
- 来自 PyPI
- 60+
- 活跃贡献者
- 来自社区
- 10+
- 合作伙伴
- 来自学术界与工业界