論文の概要: pyGinkgo: A Sparse Linear Algebra Operator Framework for Python

• arxiv url: http://arxiv.org/abs/2510.08230v1
• Date: Thu, 09 Oct 2025 13:55:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:15.107084
• Title: pyGinkgo: A Sparse Linear Algebra Operator Framework for Python
• Title（参考訳）: pyGinkgo: Python用の疎線形代数演算子フレームワーク
• Authors: Keshvi Tuteja, Gregor Olenik, Roman Mishchuk, Yu-Hsiang Tsai, Markus Götz, Achim Streit, Hartwig Anzt, Charlotte Debus,
• Abstract要約: pyGinkgoはGinkgoライブラリの軽量でPython的なインターフェースである。 pyGinkgoは、Pybind11とaPyとPyTorch互換インターフェースを介してGinkgoの機能を公開することで、高性能なC++バックエンドとPythonのギャップを埋める。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sparse linear algebra is a cornerstone of many scientific computing and machine learning applications. Python has become a popular choice for these applications due to its simplicity and ease of use. Yet high performance sparse kernels in Python remain limited in functionality, especially on modern CPU and GPU architectures. We present pyGinkgo, a lightweight and Pythonic interface to the Ginkgo library, offering high-performance sparse linear algebra support with platform portability across CUDA, HIP, and OpenMP backends. pyGinkgo bridges the gap between high-performance C++ backends and Python usability by exposing Ginkgo's capabilities via Pybind11 and a NumPy and PyTorch compatible interface. We benchmark pyGinkgo's performance against state-of-the-art Python libraries including SciPy, CuPy, PyTorch, and TensorFlow. Results across hardware from different vendors demonstrate that pyGinkgo consistently outperforms existing Python tools in both sparse matrix vector (SpMV) product and iterative solver performance, while maintaining performance parity with native Ginkgo C++ code. Our work positions pyGinkgo as a compelling backend for sparse machine learning models and scientific workflows.
• Abstract（参考訳）: スパース線形代数は多くの科学計算と機械学習の応用の基礎となっている。 Pythonは、そのシンプルさと使いやすさから、これらのアプリケーションにとって一般的な選択肢となっている。 しかし、Pythonの高性能なスパースカーネルは、特に最新のCPUとGPUアーキテクチャにおいて、機能に制限されている。 我々は、Ginkgoライブラリの軽量でPython的なインターフェースであるpyGinkgoを紹介し、CUDA、HIP、OpenMPバックエンド間のプラットフォームポータビリティを備えた高性能な疎線型代数を提供する。 pyGinkgoは、Pybind11とNumPyとPyTorch互換インターフェースを介してGinkgoの機能を公開することで、高性能なC++バックエンドとPythonユーザビリティのギャップを埋める。 pyGinkgoのパフォーマンスを、SciPy、CuPy、PyTorch、TensorFlowなどの最先端Pythonライブラリと比較した。 異なるベンダのハードウェア全体での結果、pyGinkgoは、ネイティブのGinkgo C++コードと同等のパフォーマンスを維持しながら、スパースマトリックスベクター(SpMV)製品と反復ソルバパフォーマンスの両方で、既存のPythonツールを一貫して上回っている。 私たちの研究は、pyGinkgoを、スパース機械学習モデルと科学ワークフローのための魅力的なバックエンドとして位置づけています。

関連論文リスト

• PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
  PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。 PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。 PyPulseはMITライセンスでGithubとPyPIでリリースしました。
  論文  参考訳（メタデータ） (2024-12-09T11:00:55Z)
• PyMarian: Fast Neural Machine Translation and Evaluation in Python [11.291502854418098]
  シーケンス・ツー・シーケンス・モデルのための C++ ベースのトレーニングおよび推論ツールキットである Marian NMT に Python インタフェースを記述した。 このインターフェースにより、Marianでトレーニングされたモデルが、Pythonで利用可能なリッチで幅広いツールに接続できるようになる。
  論文  参考訳（メタデータ） (2024-08-15T01:41:21Z)
• iSpLib: A Library for Accelerating Graph Neural Networks using Auto-tuned Sparse Operations [1.3030767447016454]
  iSpLibは、自動調整されたスパース操作を備えたPyTorchベースのC++ライブラリである。 iSpLibは、CPU上のPyTorch 2.1.0とPyTorch Geometric 2.4.0と同等のPyTorch 2.1.0と比較して、最大27倍のトレーニングスピードアップが得られることを示した。
  論文  参考訳（メタデータ） (2024-03-21T21:56:44Z)
• PyGOD: A Python Library for Graph Outlier Detection [56.33769221859135]
  PyGODは、グラフデータの外れ値を検出するオープンソースライブラリである。 外れ値検出のための主要なグラフベースのメソッドを幅広くサポートしています。 PyGODはBSD 2-Clauseライセンスの下でhttps://pygod.orgとPython Package Index (PyPI)でリリースされている。
  論文  参考訳（メタデータ） (2022-04-26T06:15:21Z)
• Extending Python for Quantum-Classical Computing via Quantum Just-in-Time Compilation [78.8942067357231]
  Pythonは、その柔軟性、ユーザビリティ、可読性、開発者の生産性を重視することで有名な人気のあるプログラミング言語です。 量子ジャスト・イン・タイム・コンパイルのための堅牢なC++インフラストラクチャを通じて、異種量子古典計算を可能にするPythonの言語拡張を提案する。
  論文  参考訳（メタデータ） (2021-05-10T21:11:21Z)
• OPFython: A Python-Inspired Optimum-Path Forest Classifier [68.8204255655161]
  本稿では,OPFythonと表記されるPythonベースのOptimum-Path Forestフレームワークを提案する。 OPFythonはPythonベースのライブラリなので、C言語よりもフレンドリーな環境とプロトタイピングの作業スペースを提供する。
  論文  参考訳（メタデータ） (2020-01-28T15:46:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。