| | --- |
| | license: other |
| | license_name: finisha-gpu-termes |
| | license_link: LICENSE |
| | tags: |
| | - Nano f-1 GPU |
| | --- |
| | # 🚀 Nano-GPU F-1 (Finisha Series) |
| |
|
| |  |
| |
|
| | Bienvenue dans le futur de l'accélération logicielle ! Le Nano-GPU F-1 est un "Virtual Hardware Kernel" conçu pour transformer la puissance brute de votre CPU en une unité de calcul vectorisée optimisée pour les Small Language Models (SLM). |
| | Développé par Finisha (Clémence), ce projet introduit le concept de "Hardware Cloning" par kernel natif. |
| |
|
| | # 🧠 C'est quoi le GPU-NANO F-1 ? |
| |
|
| | Le F-1 n'est pas une simple bibliothèque de calcul. C'est un Kernel d'accélération original écrit en C++ de bas niveau qui utilise les instructions AVX2 & FMA de votre processeur. |
| |
|
| | * ⚡ Vitesse : Accélère les calculs matriciels du CPU par un facteur 2x à 4x. |
| | * ⚡ Performance : Capable de traiter des millions de paramètres en moins de 2 secondes. |
| | * ⚡ Légèreté : Conçu spécifiquement pour les architectures Nano et les SLM. |
| |
|
| | # 🛠️ Installation & Activation |
| |
|
| | Pour "allumer" votre GPU-NANO F-1, suivez ces étapes simples dans votre terminal ou votre notebook Google Colab. |
| | 1. Cloner le matériel |
| | !git clone https://huggingface.co/Finisha-F-scratch/Nano-GPU-F-1 |
| | %cd Nano-GPU-F-1 |
| |
|
| | 2. Installer les pilotes Python |
| | !pip install -r requirements.txt |
| |
|
| | 3. Compiler le Kernel (Lancement du Hardware) |
| | Cette étape transforme le code source en puissance de calcul réelle : |
| | !bash compile.sh |
| |
|
| | # 💻 Utilisation (Code Source) |
| | Voici comment appeler la puissance du F-1 dans vos projets de Deep Learning : |
| |
|
| | ``` |
| | from gpu_nano_f1 import GPUNanoF1 |
| | import numpy as np |
| | |
| | # Initialisation du GPU Virtuel |
| | gpu = GPUNanoF1() |
| | |
| | # Préparation de deux matrices (ex: Poids d'un neurone et Input) |
| | poids = np.random.rand(1024, 1024).astype(np.float32) |
| | inputs = np.random.rand(1024, 1024).astype(np.float32) |
| | |
| | # Calcul ultra-rapide via le Kernel F-1 |
| | resultat = gpu.compute(poids, inputs) |
| | |
| | print("Calcul terminé avec succès sur Nano-GPU F-1 !") |
| | ``` |
| |
|
| | # 📊 Spécifications Techniques |
| |
|
| | * Série : Finisha-F (First Generation) |
| | * Architecture : SIMD Vectorized Kernel (AVX2/FMA) |
| | * Langage Source : C++11 / Python Bridge |
| | * Optimisation : Parallélisme multi-cœurs intensif |
| |
|
| | # 📜 Licence & Crédits |
| |
|
| | Développé avec passion par Clémence (Finisha). |
| | Sous licence : finisha-gpu-termes. |
| |
|
| | site officiel : |
| | https://finisha-cpu-spark.lovable.app/ |
