Exécution tensorielle WebGPU

Statut documentaire : architecture — voir Maturité et preuves.

WebGPU est un backend d'accélération utilisé par le Runtime tensoriel actuel pour certains calculs numériques. Cette page documente l'architecture publique et non les classes privées d'implémentation.

Familles de capacités vérifiées

Les sources et tests du moteur couvrent des chemins WebGPU pour :

• les opérations sur tenseurs denses ;
• les buffers tensoriels résidents ;
• la multiplication matricielle et la multiplication avec matrice transposée ;
• softmax, normalisation RMS et activations élémentaires ;
• l'encodage positionnel rotatif (RoPE) ;
• l'attention causale ;
• les opérations feed-forward des Transformers ;
• les blocs Transformer résidents ;
• les opérations CSR/creuses ;
• des noyaux quantifiés et des poids Transformer quantifiés.

Politique d'exécution

L'utilisation de WebGPU n'est pas un simple interrupteur. Le Runtime contient une politique capable de prendre en compte des seuils de charge et le budget mémoire du périphérique avant de choisir un chemin GPU. Certains buffers peuvent également rester résidents ou être épinglés afin d'éviter une éviction inadaptée.

opération
  -> vérification de capacité
  -> politique charge / mémoire
  -> exécution WebGPU si admissible
  -> chemin de repli lorsqu'il existe

Contrat public

La sémantique applicative ne doit pas dépendre de WebGPU. Un modèle doit rester valide si le Runtime sélectionne un autre backend compatible. WebGPU doit donc être considéré comme une capacité d'exécution observable et ajustable, pas comme une primitive du modèle métier.

Maturité

L'arbre source contient des tests WebGPU dédiés aux buffers tensoriels, opérations résidentes, opérations et blocs Transformer, opérations CSR, politique Runtime et plusieurs noyaux quantifiés. Cela justifie de documenter WebGPU comme capacité moteur implémentée. La disponibilité exacte selon la plateforme et la surface exposée par les bindings publics dépendent toutefois du build Runtime distribué.