NVIDIA Warp

文档 | 变更日志

Warp 是一个用于编写高性能仿真和图形代码的 Python 框架。Warp 可以将普通的 Python 函数即时编译为高效的内核代码，这些代码可以在 CPU 或 GPU 上运行。

Warp 专为 空间计算 设计，并提供丰富的原语，使编写物理仿真、感知、机器人和几何处理程序变得简单。此外，Warp 内核是可微分的，可以作为 PyTorch、JAX 和 Paddle 等机器学习框架的一部分使用。

安装

需要 Python 3.9 或更高版本。Warp 可以在 Windows 和 Linux 上的 x86-64 和 ARMv8 CPU 上运行，也可以在 macOS 上的 Apple Silicon (ARMv8) 上运行。GPU 支持需要具备 CUDA 功能的 NVIDIA GPU 和驱动程序（最低要求为 GeForce GTX 9xx）。

安装 Warp 最简单的方式是从 PyPI 进行：

pip install warp-lang

您还可以使用 pip install warp-lang[examples] 来安装运行示例和 USD 相关功能所需的额外依赖项。

有关 nightly 构建、conda、CUDA 13 构建、从源码构建以及 CUDA 驱动程序要求，请参阅 安装指南。

教程笔记本

NVIDIA 加速计算中心 包含当前正在积极维护的 Warp 教程集合：

笔记本	Colab 链接
NVIDIA Warp 入门
NVIDIA Warp 中的 GPU 加速伊辛模型仿真

此外，notebooks 目录中的几个笔记本提供了更多示例，并涵盖了 Warp 的关键特性：

笔记本	Colab 链接
Warp 核心教程：基础
Warp 核心教程：泛型
Warp 核心教程：点
Warp 核心教程：网格
Warp 核心教程：体积
Warp PyTorch 教程：基础
Warp PyTorch 教程：自定义算子

运行示例

warp/examples 目录包含多个脚本，这些脚本按子目录分类，展示了如何使用 Warp API 实现各种仿真方法。 大多数示例会在当前工作目录中生成包含时间采样动画的 USD 文件。 在运行示例之前，请使用以下命令安装可选的示例依赖项：

pip install warp-lang[examples]

在 Linux aarch64 系统（例如 NVIDIA DGX Spark）上，[examples] 附加包会自动安装 usd-exchange 而不是 usd-core 作为直接替换，因为该平台没有可用的 usd-core 轮子包。

可以通过以下命令行运行示例：

python -m warp.examples.<example_subdir>.<example>

要浏览示例源代码，可以这样打开文件所在的目录：

python -m warp.examples.browse

大多数示例可以在 CPU 或支持 CUDA 的设备上运行，但少数示例需要支持 CUDA 的设备。这些示例会在脚本顶部标明。

USD 文件可以在 NVIDIA Omniverse、Pixar 的 UsdView 和 Blender 中查看或渲染。请注意，不建议使用 macOS 自带的预览应用，因为它对时间采样动画的支持有限。

内置单元测试可以通过以下命令行运行：

python -m warp.tests

warp/examples/core

DEM	流体	图捕获	marching cubes
网格	NVDB	光线投射	光线步进
采样网格	SPH	PyTorch	波
周期性边界条件下的二维不可压缩湍流

warp/示例/fem

三维扩散	混合弹性	APIC流体	流线
畸变能	泰勒-格林	开尔文-亥姆霍兹	静磁学
自适应网格	非协调接触	达西水平集优化	弹性形状优化

warp/示例/optim

迪弗雷	流体检查点	粒子排斥	纳维-斯托克斯扰动

warp/示例/tile

MLP	N体问题	MCGP

了解更多

请参阅以下资源，以获取关于 Warp 的更多背景信息：

• 产品页面
• SIGGRAPH 2024 课程幻灯片
• GTC 2024 演讲
• GTC 2022 演讲
• GTC 2021 演讲
• SIGGRAPH Asia 2021 可微仿真课程

支持

常见问题请参阅 FAQ。

如遇问题、疑问或功能请求，请在 GitHub Issues 上提交。

对于不适合在 GitHub Issues 上讨论的咨询，请发送邮件至 warp-python@nvidia.com。

贡献

我们欢迎社区的贡献和拉取请求。有关如何参与 Warp 开发的更多信息，请参阅 贡献指南。

许可证

Warp 根据 Apache License, Version 2.0 提供。完整的许可证文本请参阅 LICENSE.md。

本项目会下载并安装其他第三方开源软件项目。使用前请仔细阅读这些开源项目的许可条款。

出版物与引用

使用 Warp 的研究

我们的 PUBLICATIONS.md 文件列出了利用 Warp 功能的学术和研究出版物。我们鼓励您将自己使用 Warp 发表的工作添加到此列表中。

引用 Warp

如果您在研究中使用了 Warp，请使用 GitHub 仓库 页面上的“引用此仓库”按钮，或参考 CITATION.cff 文件中的引用信息。

NVIDIA Warp 快速上手指南

NVIDIA Warp 是一个用于编写高性能仿真和图形代码的 Python 框架。它能将普通的 Python 函数即时编译（JIT）为高效的内核代码，支持在 CPU 或 GPU 上运行，特别适用于物理仿真、感知、机器人学和几何处理等空间计算领域。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：
  • Windows 或 Linux (支持 x86-64 和 ARMv8 架构)
  • macOS (支持 Apple Silicon/ARMv8)
• Python 版本：3.9 或更高版本
• GPU 支持（可选但推荐）：
  • 需要支持 CUDA 的 NVIDIA GPU
  • 最低要求：GeForce GTX 9xx 系列或更高
  • 需安装对应的 NVIDIA 显卡驱动
• 运行示例额外依赖：若需运行官方示例或处理 USD 文件，建议安装额外依赖包。

安装步骤

1. 基础安装

使用 pip 从 PyPI 安装核心库：

pip install warp-lang

提示：国内用户如遇下载速度慢，可添加国内镜像源加速：

pip install warp-lang -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 安装示例依赖（可选）

如果您希望运行官方提供的仿真示例或使用 USD 相关功能，请安装包含示例依赖的版本：

pip install warp-lang[examples]

注意：在 Linux aarch64 系统（如 NVIDIA DGX Spark）上，该命令会自动安装 usd-exchange 以替代不可用的 usd-core。

基本使用

Warp 的核心用法非常简单：只需导入 warp 模块，使用 @wp.kernel 装饰器标记函数，然后调用 wp.launch 即可在并行设备上执行。

以下是一个最简单的向量加法示例：

import warp as wp
import numpy as np

# 初始化 Warp (自动检测并初始化 CUDA 设备)
wp.init()

# 定义一个 Warp 内核函数
@wp.kernel
def vector_add(a: wp.array(dtype=float), b: wp.array(dtype=float), c: wp.array(dtype=float)):
    # 获取当前线程的全局索引
    tid = wp.tid()
    c[tid] = a[tid] + b[tid]

# 准备数据 (使用 NumPy 数组)
size = 1024
a_np = np.ones(size, dtype=np.float32)
b_np = np.ones(size, dtype=np.float32) * 2.0

# 将数据复制到设备 (GPU/_CPU)
a_dev = wp.array(a_np)
b_dev = wp.array(b_np)
c_dev = wp.array(np.zeros(size, dtype=np.float32))

# 启动内核 (指定启动的线程数)
wp.launch(kernel=vector_add, dim=size, inputs=[a_dev, b_dev, c_dev])

# 将结果复制回主机并打印前 5 个元素
result = c_dev.numpy()
print(f"Result (first 5): {result[:5]}") 
# 输出应为: [3. 3. 3. 3. 3.]

运行官方示例

安装 [examples] 依赖后，您可以直接通过命令行运行内置的仿真示例（如流体、网格变形等）：

# 运行流体仿真示例
python -m warp.examples.core.example_fluid

# 浏览所有可用示例的代码目录
python -m warp.examples.browse

生成的动画通常保存为 USD 文件，可使用 NVIDIA Omniverse、UsdView 或 Blender 查看。