NeuroBrix hat zwei Engines. Die Triton-Engine (--triton) läuft auf nbxtensor und Triton und braucht kein PyTorch. Die PyTorch-Engine (--compiled) braucht PyTorch, installiert aus dem Index, der zu deiner Hardware passt. Ohne Modus-Flag nimmt ein Lauf die PyTorch-Engine, wo PyTorch installiert ist, sonst die Triton-Engine, und seine Startzeile sagt, welche. NeuroBrix erkennt deine Hardware, wenn du --hardware nicht angibst. Im Zweifel führe neurobrix doctor aus.
Triton-Engine. Installiere den NVIDIA-Treiber, dann:
pip install neurobrix
neurobrix doctor
Ohne PyTorch nimmt ein Lauf die Triton-Engine (engine: triton (torch not installed)). Die CUDA-Laufzeitbibliothek kommt mit nbxtensor; sonst ist nichts nötig.
PyTorch-Engine. Installiere den PyTorch-CUDA-Build, den dein Treiber unterstützt (siehe den Selektor auf pytorch.org), dann NeuroBrix mit seinem Extra pytorch. pip install torch allein zieht das Standard-PyTorch-Wheel von PyPI, das für eine CUDA-Version gebaut sein kann, die dein Treiber oder deine GPU nicht nutzen kann.
pip install typing-extensions # from PyPI first: the PyTorch index carries only its source
pip install torch --index-url https://download.pytorch.org/whl/<cuda-build> # e.g. cu126
pip install "neurobrix[pytorch]"
neurobrix doctor
Erwartetes Ergebnis: neurobrix doctor meldet die Triton-Engine, den PyTorch-Build und die GPUs, die es sieht, und kein blockierendes Problem.
Aktuelle CUDA-13-Builds von PyTorch unterstützen Volta nicht mehr. Das Standard-torch von PyPI und die Builds cu128, cu129, cu130 und cu132 waren auf den V100-Rechnern des Projekts nicht nutzbar. Auf Volta nutze cu126:
pip install --force-reinstall torch --index-url https://download.pytorch.org/whl/cu126
neurobrix doctor vergleicht das sm_XY jeder GPU mit den Architekturen, für die dein PyTorch gebaut wurde, und meldet es, wenn sie nicht übereinstimmen.
Eine Mindestversion des Treibers und eine minimale Compute Capability sind noch nicht angegeben. Die Testrechner des Projekts sind V100. neurobrix doctor meldet, was dein Rechner hat.
Die Triton-Engine läuft über Metal auf der Apple-GPU. PyPI veröffentlicht kein Triton für macOS: install-metal installiert NeuroBrix' Triton-Build für Apple-GPUs, jedes Wheel geprüft gegen den in nbxtensor hinterlegten sha256.
pip install neurobrix
python -m nbxtensor install-metal
neurobrix doctor
Die Metal-Toolchain von Xcode ist die andere Voraussetzung (neurobrix doctor meldet, wenn sie fehlt). Auch die PyTorch-Engine läuft auf der Apple-GPU, über MPS: pip install torch "neurobrix[pytorch]".
Die PyTorch-Engine läuft auf der CPU. Um den CUDA-Build von PyTorch nicht herunterzuladen:
pip install torch --index-url https://download.pytorch.org/whl/cpu
pip install "neurobrix[pytorch]"
Beginne mit den kleinsten Modellen im Katalog.
Einen Hersteller zu erkennen heißt nicht, darauf auszuführen. Die ehrlichen Stufen:
| Stufe | Hardware |
|---|---|
| Validiert | NVIDIA-GPUs (beide Engines), Apple Silicon (die Triton-Engine über Metal, die PyTorch-Engine über MPS), CPU (die PyTorch-Engine) |
| Experimentell | Intel-GPUs mit ihrer Level-Zero-Laufzeit: von der Triton-Engine versucht, noch nicht vom NeuroBrix-Labor auf Hardware validiert — Berichte willkommen |
| Ein Ziel | AMD-GPUs: von der Triton-Engine über den HIP-Treiber von nbxtensor erreicht, noch nicht auf einer Karte validiert |
| Nur erkannt | Tenstorrent, Moore Threads, Biren, Iluvatar, Hygon DCU, Cambricon |
„Nur erkannt“ bedeutet, dass es eine Erkennung gibt und nichts weiter. neurobrix doctor nennt die Installationsbefehle des Herstellers für eine Intel- oder AMD-GPU. Plane keinen Einsatz auf einer experimentellen oder Ziel-Stufe. Details: 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