展示HN:使用tinygrad/tinyJIT进行高速图形渲染研究
Show HN: High speed graphics rendering research with tinygrad/tinyJIT

原始链接: https://github.com/quantbagel/gtinygrad

## gtinygrad:一个微型光线追踪游乐场 gtinygrad 是一个公共 GitHub 仓库,是 tinygrad 项目的一个分支,专注于创建一个最小化的光线追踪游乐场。它建立在 tinygrad 之上——一个轻量级的深度学习框架,旨在吸引那些喜欢 PyTorch 和 micrograd 的用户。 该仓库包含光线追踪演示代码,可通过 `examples/raytrace_demo.py` 访问。它包括支持文件,如文档、示例场景(康奈尔盒子)以及用于构建和提供文档的配置文件。 gtinygrad 主要用 Python 编写(62.2%),并包含来自 C、CUDA 和其他语言的贡献,采用 MIT 许可证。目前,它在 GitHub 上有 2 个星标和 3.8k 个分支。它作为 tinygrad 在渲染环境中的能力的实用示例。

黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录Show HN: 使用tinygrad/tinyJIT进行高速图形渲染研究 (github.com/quantbagel)8 分,由 quantbagel 1小时前发布 | 隐藏 | 过去 | 收藏 | 讨论我看到一条推文说tinygrad非常好,你可以用它创建一个包装tg的图形库。所以我一直在研究一个gtinygrad,说实话,它让我相信它可以用于真正的研究。JIT + 张量模型最终成为用简单python表达光传输的非常好的方式,所以我重新实现了一些来自SIGGRAPH的新研究论文,比如REstir PG和SZ,它就是能用。代替复杂的cpp,只有200行python代码。 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请YC | 联系方式搜索:
相关文章

原文
Skip to content

quantbagel/gtinygrad

About

You like pytorch? You like micrograd? You love tinygrad! ❤️

Resources

License

Stars

Watchers

Forks

Packages

No packages published

Languages

  • Python 62.2%
  • C 27.1%
  • Cuda 4.3%
  • Assembly 2.2%
  • Metal 1.9%
  • C++ 1.2%
  • Other 1.1%
联系我们 contact @ memedata.com