Toutes les ressources premium et membres pour 8,99 €/mois, en abonnement sans engagement. Voir les offres

PalateKit

Se connecter
Menu

Demander une ressource

Décrivez en une phrase la ressource qui vous manque. Nous vous écrirons quand elle sera publiée.

0 / 280

Une page, une vidéo ou une image en ligne.

Débloquer PalateKit

Tout débloquer

Offre

Le paiement vaut acceptation de nos conditions générales de vente.

Paiement sécurisé par Stripe. Reçus et factures envoyés par e-mail.

Content de vous revoir

Connectez-vous pour installer, télécharger ou sauvegarder cette ressource. Un compte gratuit suffit pour les ressources gratuites.

Accélérer du Python scientifique sur GPU NVIDIA v1.0.0

Utilisez cette ressource pour accélérer un code Python scientifique sur GPU NVIDIA en vérifiant résultats et gains

Nouveau

  • 563 téléchargements
  • 214 mentions J'aime
  • 105 sauvegardes

Gratuit

Installer avec la CLI

Dans un terminal, depuis le dossier voulu :

npx --yes palatekit@latest install gpu-python-optimization

Sans option, la skill va dans ~/.agents/skills/ ; ajoutez --agent claude-code (ou codex, cursor…) pour viser un agent.

Première fois : connectez la CLI avec

npx --yes palatekit@latest login

L'agent mesure d'abord la référence, vérifie que le portage est pertinent, puis applique la modification la moins intrusive et compare les temps de bout en bout. Vous obtenez un code GPU validé, ou le constat qu'un portage n'apporte rien.

Choisie surtout par

Mise à jour le 2 novembre 2026

Carte de la skill « Accélérer du Python scientifique sur GPU NVIDIA »

Caractéristiques

Fonctionne dans
Guides d'installation
Génère avec
Le modèle de votre agent
Licence
MIT

Ressources similaires

Tout voir

Ce que vous obtenez

  • SKILL.md : critères d'application, flux d'optimisation et règles de validation
  • references/ : CuPy, cuDF, cuML, cuGraph, cuVS, cuCIM, KvikIO et autres bibliothèques RAPIDS

Pour qui

  • Votre traitement NumPy ou pandas prend plusieurs minutes
  • Vous voulez savoir si un GPU vaut le coût pour un calcul précis

Pas pour qui

    Étiquettes

    • GPU
    • CUDA
    • optimisation

    À propos

    Vous dites

    « Mon script pandas de jointures sur 50 millions de lignes est lent : étudie un portage vers cuDF. »

    Carte de la skill « Accélérer du Python scientifique sur GPU NVIDIA »

    Skill publiée par k-dense-ai sous licence MIT. Fichiers livrés dans leur version d'origine, en anglais.

    Voir plus

    Comment l'utiliser

    1. Installez la skill dans le dossier de skills de votre agent
    2. Demandez à votre agent de accélérer un code Python scientifique sur GPU NVIDIA en vérifiant résultats et gains
    3. Relisez et ajustez le résultat

    Aperçu du contenu

    Fichiers

    • LICENSE1,1 Ko
    • NOTICE-PALATEKIT.md0,5 Ko
    • references/code_transformation_patterns.md10,1 Ko
    • references/cucim.md21,8 Ko
    • references/cudf.md21,4 Ko
    • references/cugraph.md28,1 Ko
    • references/cuml.md25,1 Ko
    • references/cupy.md22,3 Ko
    • references/cuspatial.md15,5 Ko
    • references/cuvs.md22,9 Ko
    • references/cuxfilter.md19,4 Ko
    • references/decision_framework.md15,9 Ko
    • references/installation.md5,7 Ko
    • references/kvikio.md20,7 Ko
    • references/numba.md27,1 Ko
    • references/raft.md12,1 Ko
    • references/warp.md21 Ko
    • SKILL.md13,7 Ko

    Origine et licence

    Référencée sans modification

    Auteur
    k-dense-ai
    Source
    github.com/k-dense-ai/scientific-agent-skills/tree/5f2bc0341354fd5590aef76a533ada1e1e5b4e62/skills/optimize-for-gpu
    Licence
    MIT

    Notice

    « optimize-for-gpu » (k-dense-ai, MIT) livré dans sa version d'origine : fiche en français et en anglais par PalateKit.

    Avis des utilisateurs

    –

    Aucune note pour l'instant

    Chargement des avis…

    Supprimer votre avis ?

    Votre note et votre commentaire seront retirés de la fiche.