开发工作流¶
环境准备¶
CPU 构建¶
cd QRAM-Simulator
mkdir build && cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j$(nproc)
GPU 构建¶
CUDA/GPU 后端默认关闭;开启需本机 CUDA 工具链(CUDA 13 / CCCL 3 与 A800 级 GPU 上的 CUDA 12.8 / sm_80 均实测通过,验证记录见仓库内 docs/verification/v1c-gpu-cuda-a800.md)。GPU 代码布局见 CUDA 后端参考。大规模稀疏态运行可加 -DCMAKE_CUDA_FLAGS="-DCACHED_REGISTER_SIZE=<n>"``(``CMAKE_CXX_FLAGS 同步)以压缩每振幅负载——约束与实测效果见 CUDA 后端参考(docs/verification/v1d-qda-linsolver-a800.md)。
cmake .. -DCMAKE_BUILD_TYPE=Release -DSPARQ_ENABLE_CUDA=ON
make -j$(nproc)
Python 绑定¶
pip install .
核心代码结构¶
添加新实验¶
创建实验目录结构:
Experiments/ └── MyAlgorithm/ ├── MyAlgorithmTest.cpp └── CMakeLists.txt编写
CMakeLists.txt:add_executable(MyAlgorithmTest MyAlgorithmTest.cpp) target_link_libraries(MyAlgorithmTest PRIVATE SparQ SparQ_Algorithm Common)
在
Experiments/CMakeLists.txt中注册:add_subdirectory(MyAlgorithm)
Git 工作流¶
创建分支并开发:
# 创建功能分支
git checkout -b feat/my-algorithm origin/main
# 开发、测试...
# 推送到 fork
git push origin feat/my-algorithm
CI 验证后提交 PR 到 upstream。
运行测试¶
# 运行所有测试
cd build && ctest --output-on-failure
# 运行特定测试
./build/bin/MyAlgorithmTest