# Deepity：一个手工调优的 C\+\+/CUDA 预测编码库，在 MNIST 上超过 jpc（JAX）和 ngc-learn（含 CPU 基准与源码）\[P\]

- 原标题：Deepity: a hand-tuned C\+\+/CUDA predictive coding library, beats jpc \(JAX\) and ngc-learn on MNIST \(CPU benchmarks \+ source inside\) \[P\]
- 类型：项目
- 来源：Reddit
- 发布时间：2026-10-27
- 首次精选：2026-10-27 10:03
- 分级：值得看
- 学习层级：深入
- 主题：[model-serving-compute](<https://oplearnx.com/md/topics/model-serving-compute.md>)（第 31 位）、[neural-model-foundations](<https://oplearnx.com/md/topics/neural-model-foundations.md>)（第 48 位）
- 原文链接：[https://reddit.com/r/MachineLearning/comments/1xg6sqa/deepity\_a\_handtuned\_ccuda\_predictive\_coding](<https://reddit.com/r/MachineLearning/comments/1xg6sqa/deepity_a_handtuned_ccuda_predictive_coding>)
- 本站页面：[https://oplearnx.com/resources/pk\_ff858dfa0416](<https://oplearnx.com/resources/pk_ff858dfa0416>)

## 摘要

这是一篇 \[P\] 类社区发布帖，作者用 C\+\+20 从零实现预测编码（PC）引擎并配薄 Python 层，发布首个公开版本。帖中介绍了预测编码与反向传播的区别（各层本地信念对自上而下预测做误差最小化、需“settling”阶段、不保存反向计算图），以及库的组成：手写 AVX2/AVX-512 SIMD 内核、OpenBLAS/MKL 做 GEMM、仍在调优的 CUDA 后端（暂不可用）、基于 nanobind 的 Python 绑定（pip install pydeepity），并支持多种 PCN 变体；帖子称在 MNIST 上优于 jpc（JAX）与 ngc-learn，并附带 CPU 基准和源码。适合研究预测编码、非反向传播训练方法与底层内核优化的人阅读。

---
来源：LearnMap · 学径（https://oplearnx.com）