NeuroBrix unterscheidet vier Stufen der Hardware-Unterstützung. Dass ein Hersteller erkannt wird, heißt nicht, dass er unterstützt wird.
| Stufe | Bedeutung | Hardware |
|---|---|---|
| Validiert | Modelle laufen darauf in der stabilen Engine | NVIDIA-GPUs (beide Engines), Apple Silicon (die Triton-Engine über Metal, die PyTorch-Engine über MPS), CPU (die PyTorch-Engine) |
| Experimentell | Von der Engine versucht, noch nicht vom NeuroBrix-Labor auf Hardware validiert | Intel-GPUs mit ihrer Level-Zero-Laufzeit |
| Ein Ziel | Code existiert, noch nicht auf einer Karte validiert | AMD-GPUs, über den HIP-Treiber von nbxtensor |
| Nur erkannt | Die Erkennung identifiziert es; nichts wird ausgeführt | Tenstorrent, Moore Threads, Biren, Iluvatar, Hygon DCU, Cambricon |
Details siehe Hardware-Unterstützung.
Führe neurobrix autotune certify auf deiner Karte aus und öffne einen Pull Request mit der Vorlage certificate. Jede GPU-Klasse, die du zertifizierst, wird allen bereitgestellt, die diese Karte haben.
Reiche ein YAML-Hardware-Profil für deinen Rechner ein. Format: Hardware-Profile.
Führe veröffentlichte Modelle auf deiner Hardware aus und melde Ergebnisse und Fehler in den GitHub Issues. Füge die Ausgabe von neurobrix doctor bei.
Ob es ein formelles Verifizierungsprogramm oder ein Abzeichen gibt: noch nicht dokumentiert. Hardware-Partnerschaften: [email protected].
Weiter: Hardware-Unterstützung
© 2025–2026 Hocine Benkelaya. NeuroBrix engine released under the Apache License 2.0.
Developed by Hocine Benkelaya · Supported and funded by Neural Network Holding Ltd · Commercial distribution by WizWorks OÜ
Dokumentationsquelle: GitLab