Todas as notícias
Nvidia2 min de leitura

NVIDIA lança CUDA Python 1.0 e facilita uso de GPUs para programadores

A nova versão da ferramenta oferece APIs estáveis e oficiais para programar diretamente nas placas da empresa sem precisar aprender linguagens complexas. Veja o que muda.

NVIDIA lança CUDA Python 1.0 e facilita uso de GPUs para programadores

A NVIDIA anunciou o lançamento do CUDA Python 1.0, um conjunto de bibliotecas que permite a programadores usar o poder das placas gráficas (GPUs) da empresa diretamente em Python, sem precisar recorrer a outras linguagens. Até agora, quem queria aproveitar a aceleração de GPUs em Python tinha dois caminhos: aprender uma linguagem mais complexa como C++ para escrever extensões, ou usar bibliotecas prontas como PyTorch e CuPy. A novidade cria uma ponte oficial e estável entre o Python e o hardware da NVIDIA.

O coração do pacote é o cuda.core, uma camada que transforma comandos básicos da GPU — como gerenciar dispositivos, memória e fluxos de processamento — em objetos simples do Python. Isso significa que diferentes bibliotecas podem trabalhar no mesmo bloco de dados sem precisar copiá-lo ou se adaptar a padrões diferentes. Além disso, a versão 1.0 traz garantia de estabilidade: as APIs não vão mudar do nada, seguindo um sistema de versionamento previsível. Para quem desenvolve aplicações, isso reduz o risco de ter que refazer o código a cada atualização.

Até então, cada biblioteca de GPU em Python criava sua própria forma de se comunicar com a placa, gerando conflitos e retrabalho. Com o CUDA Python 1.0, a NVIDIA unifica essa base: todas as suas próprias bibliotecas — de matemática, comunicação entre GPUs e algoritmos paralelos — agora usam os mesmos objetos do cuda.core. Isso não só simplifica o trabalho de quem cria novas ferramentas, como também abre caminho para quem quer usar recursos avançados, como particionar a GPU para tarefas mais sensíveis, sem depender de adaptações feitas por terceiros.

Para o usuário comum, a mudança não é imediata, mas sentida no médio prazo: bibliotecas populares como PyTorch e CuPy já estão adotando essa base comum, o que deve resultar em menos bugs de compatibilidade e melhor desempenho. Quem quiser começar a usar, basta instalar o pacote com um comando e ter o driver da NVIDIA atualizado — não é preciso instalar o kit de ferramentas completo. A promessa é que programadores de todos os níveis possam escolher o nível de complexidade que precisam, sem medo de ter que aprender tudo do zero.

De onde veio esta notícia

Texto em português produzido com apoio de inteligência artificial a partir da publicação original de Nvidia. Os fatos, números e nomes são os da fonte — se quiser conferir, o link abaixo leva ao original.

Ler a publicação original em Nvidia