NVIDIA/warp

[](https://badge.fury.io/py/warp-lang) [](https://opensource.org/licenses/Apache-2.0)  [](https://pepy.tech/project/warp-lang) [](https://codecov.io/github/NVIDIA/warp)  # NVIDIA Warp **[文档](https://nvidia.github.io/warp/)** | [更新日志](https://github.com/NVIDIA/warp/blob/main/CHANGELOG.md) Warp 是一个用于编写高性能仿真和图形代码的 Python 框架。Warp 将常规 Python 函数进行 JIT 编译，生成可在 CPU 或 GPU 上运行的高效内核代码。 Warp 专为 [空间计算](https://en.wikipedia.org/wiki/Spatial_computing) 而设计，并提供了一套丰富的原语，使得编写物理仿真、感知、机器人和几何处理程序变得十分容易。此外，Warp 内核是可微的，可以作为 PyTorch、JAX 和 Paddle 等框架的机器学习流水线的一部分使用。 ## 安装 需要 Python 3.9 或更高版本。Warp 可在 Windows 和 Linux 上的 x86-64 和 ARMv8 CPU 上运行，以及在 macOS 上的 Apple Silicon (ARMv8) 上运行。 GPU 支持需要支持 CUDA 的 NVIDIA GPU 和驱动程序（最低要求 GeForce GTX 9xx）。 安装 Warp 最简单的方法是从 [PyPI](https://pypi.org/project/warp-lang/) 安装： ``` pip install warp-lang ``` 您也可以使用 `pip install warp-lang[examples]` 来安装运行示例和 USD 相关功能所需的额外依赖项。 有关每夜构建、conda、CUDA 13 构建、从源代码构建以及 CUDA 驱动程序要求，请参阅 [安装指南](https://nvidia.github.io/warp/user_guide/installation.html)。 ## 教程 Notebooks [NVIDIA Accelerated Computing Hub](https://github.com/NVIDIA/accelerated-computing-hub) 包含当前积极维护的 Warp 教程集： | Notebook | Colab 链接 | |----------|------------| | [NVIDIA Warp 简介](https://github.com/NVIDIA/accelerated-computing-hub/blob/32fe3d5a448446fd52c14a6726e1b867cbfed2d9/Accelerated_Python_User_Guide/notebooks/Chapter_12_Intro_to_NVIDIA_Warp.ipynb) | [](https://colab.research.google.com/github/NVIDIA/accelerated-computing-hub/blob/32fe3d5a448446fd52c14a6726e1b867cbfed2d9/Accelerated_Python_User_Guide/notebooks/Chapter_12_Intro_to_NVIDIA_Warp.ipynb) | | [NVIDIA Warp 中的 GPU 加速 Ising 模型仿真](https://github.com/NVIDIA/accelerated-computing-hub/blob/32fe3d5a448446fd52c14a6726e1b867cbfed2d9/Accelerated_Python_User_Guide/notebooks/Chapter_12.1_IsingModel_In_Warp.ipynb) | [](https://colab.research.google.com/github/NVIDIA/accelerated-computing-hub/blob/32fe3d5a448446fd52c14a6726e1b867cbfed2d9/Accelerated_Python_User_Guide/notebooks/Chapter_12.1_IsingModel_In_Warp.ipynb) | 此外，[notebooks](https://github.com/NVIDIA/warp/tree/main/notebooks) 目录中的几个 notebook 提供了额外的示例并涵盖了 Warp 的关键功能： | Notebook | Colab 链接 | |----------|------------| | [Warp 核心教程：基础](https://github.com/NVIDIA/warp/blob/main/notebooks/core_01_basics.ipynb) | [](https://colab.research.google.com/github/NVIDIA/warp/blob/main/notebooks/core_01_basics.ipynb) | | [Warp 核心教程：泛型](https://github.com/NVIDIA/warp/blob/main/notebooks/core_02_generics.ipynb) | [](https://colab.research.google.com/github/NVIDIA/warp/blob/main/notebooks/core_02_generics.ipynb) | | [Warp 核心教程：点](https://github.com/NVIDIA/warp/blob/main/notebooks/core_03_points.ipynb) | [](https://colab.research.google.com/github/NVIDIA/warp/blob/main/notebooks/core_03_points.ipynb) | | [Warp 核心教程：网格](https://github.com/NVIDIA/warp/blob/main/notebooks/core_04_meshes.ipynb) | [](https://colab.research.google.com/github/NVIDIA/warp/blob/main/notebooks/core_04_meshes.ipynb) | | [Warp 核心教程：体积](https://github.com/NVIDIA/warp/blob/main/notebooks/core_05_volumes.ipynb) | [](https://colab.research.google.com/github/NVIDIA/warp/blob/main/notebooks/core_05_volumes.ipynb) | | [Warp PyTorch 教程：基础](https://github.com/NVIDIA/warp/blob/main/notebooks/pytorch_01_basics.ipynb) | [](https://colab.research.google.com/github/NVIDIA/warp/blob/main/notebooks/pytorch_01_basics.ipynb) | | [Warp PyTorch 教程：自定义算子](https://github.com/NVIDIA/warp/blob/main/notebooks/pytorch_02_custom_operators.ipynb) | [](https://colab.research.google.com/github/NVIDIA/warp/blob/main/notebooks/pytorch_02_custom_operators.ipynb) | ## 运行示例 [warp/examples](https://github.com/NVIDIA/warp/tree/main/warp/examples) 目录包含许多脚本，这些脚本分类在子目录下，展示了如何使用 Warp API 实现各种仿真方法。 大多数示例会在当前工作目录中生成包含时间采样动画的 USD 文件。 在运行示例之前，请使用以下命令安装可选的示例依赖项： ``` pip install warp-lang[examples] ``` 在 Linux aarch64 系统（例如 NVIDIA DGX Spark）上，`[examples]` 额外依赖项会自动安装 [`usd-exchange`](https://pypi.org/project/usd-exchange/) 来代替 `usd-core` 作为直接替代品，因为该平台没有 `usd-core` 的 wheel 包。 可以按如下方式从命令行运行示例： ``` python -m warp.examples.. ``` 要浏览示例源代码，您可以像这样打开文件所在的目录： ``` python -m warp.examples.browse ``` 大多数示例可以在 CPU 或支持 CUDA 的设备上运行，但也有少数需要支持 CUDA 的设备。这些都在示例脚本的顶部进行了标记。 USD 文件可以在 [NVIDIA Omniverse](https://developer.nvidia.com/omniverse)、Pixar 的 UsdView 和 Blender 中查看或渲染。请注意，不建议使用 macOS 中的“预览”应用，因为它对时间采样动画的支持有限。 内置单元测试可以按如下方式从命令行运行： ``` python -m warp.tests ``` ### warp/examples/core

dem	fluid	graph capture	marching cubes
mesh	nvdb	raycast	raymarch
sample mesh	sph	torch	wave
2-D incompressible turbulence in a periodic box

### warp/examples/fem

diffusion 3d	mixed elasticity	apic fluid	streamlines
distortion energy	taylor green	kelvin helmholtz	magnetostatics
adaptive grid	nonconforming contact	darcy level-set optimization	elastic shape optimization

### warp/examples/optim

diffray	fluid checkpoint	particle repulsion	navier-stokes perturbation

### warp/examples/tile

mlp	nbody	mcgp

## 了解更多 请参阅以下资源以了解有关 Warp 的更多背景信息： * [产品页面](https://developer.nvidia.com/warp-python) * [SIGGRAPH 2024 课程幻灯片](https://dl.acm.org/doi/10.1145/3664475.3664543) * [GTC 2024 演示](https://www.nvidia.com/en-us/on-demand/session/gtc24-s63345/) * [GTC 2022 演示](https://www.nvidia.com/en-us/on-demand/session/gtcspring22-s41599) * [GTC 2021 演示](https://www.nvidia.com/en-us/on-demand/session/gtcspring21-s31838) * [SIGGRAPH Asia 2021 可微仿真课程](https://dl.acm.org/doi/abs/10.1145/3476117.3483433) ## 支持 请参阅 [常见问题解答 (FAQ)](https://nvidia.github.io/warp/user_guide/faq.html) 了解常见问题。 有关问题、疑问和功能请求，请在 [GitHub Issues](https://github.com/NVIDIA/warp/issues) 上提出。 对于不适合在 GitHub Issues 上提出的咨询，请发送电子邮件至 。 ## 贡献 欢迎社区提供贡献和 Pull Requests。 有关为 Warp 开发做贡献的更多信息，请参阅 [贡献指南](https://nvidia.github.io/warp/user_guide/contribution_guide.html)。 ## 许可证 Warp 是在 Apache License, Version 2.0 下提供的。 有关完整的许可证文本，请参阅 [LICENSE.md](https://github.com/NVIDIA/warp/blob/main/LICENSE.md)。 本项目将下载并安装额外的第三方开源软件项目。 使用前请查看这些开源项目的许可条款。 ## 出版物与引用 ### 使用 Warp 的研究 我们的 [PUBLICATIONS.md](https://github.com/NVIDIA/warp/blob/main/PUBLICATIONS.md) 文件列出了利用 Warp 能力的学术和研究出版物。 我们鼓励您将使用 Warp 发表的作品添加到此列表中。 ### 引用 Warp 如果您在研究中使用 Warp，请使用 [GitHub repository](https://github.com/NVIDIA/warp) 页面上的“Cite this repository”按钮，或参考 [CITATION.cff](https://github.com/NVIDIA/warp/blob/main/CITATION.cff) 文件获取引用信息。

标签：Apex, CUDA, JAX, JIT编译, Python框架, PyTorch, Vectored Exception Handling, 几何处理, 凭据扫描, 可微分编程, 感知, 数字孪生, 数据生成, 机器人, 机器学习, 物理仿真, 科学计算, 空间计算, 自动驾驶, 计算机图形学, 逆向工具, 高性能计算