optimize-for-gpu

Python علمی را روی سخت‌افزار NVIDIA با GPU شتاب می‌دهد و بررسی می‌کند که نتیجه درست و سریع‌تر است. برای بهینه‌سازی CUDA/GPU، workloadهای CPU-bound در NumPy، SciPy، pandas، scikit-learn، NetworkX، scikit-image، vector-search، image-processing، graph، simulation یا file-I/O، پرسش‌های CuPy، cuDF، cuML، cuGraph، cuVS، cuCIM، KvikIO، Warp، Newton، Numba-CUDA یا RAFT، و گلوگاه‌های profiling، memory-transfer، kernel یا چند GPU به‌کار می‌رود. هنگامی که کد Python بزرگِ داده‌موازی کند است و شتاب GPU محتمل است، حتی بدون نام‌بردن از CUDA نیز استفاده کنید.