Cuda Repositories
Entdecke 65 aktive Open-Source-Cuda-Repositories auf GitHub mit insgesamt 165,484 Sternen (durchschnittlich 2,545 Sterne pro Projekt). Das auf Platz 1 rangierende Cuda-Projekt ist karpathy/llm.c mit 30,323 Sternen.
Insgesamt 65 Repositories
HVM1 (2022): eine massiv parallele, optimale funktionale Laufzeitumgebung in Rust
Das Projekt ist eine offizielle Implementierung unseres CVPR2019-Papiers "Deep High-Resolution Representation Learning for Human Pose Estimation".
[ICLR2025, ICML2025, NeurIPS2025 Spotlight] Quantized Attention erzielt eine Beschleunigung um das 2- bis 5-fache im Vergleich zu FlashAttention, ohne die End-to-End-Metriken bei Sprach-, Bild- und Videomodellen zu verschlechtern.
Dieses Paket enthält den ursprünglichen AlexNet-Code von 2012.
[MICRO'23, MLSys'22] TorchSparse: Ein effizientes Framework für Training und Inferenz von dünnbesetzter Faltung auf GPUs.
[ICML2025] SpargeAttention: Ein trainingsfreier spärlicher Aufmerksamkeitsmechanismus, der die Inferenz jedes Modells beschleunigt.
Verteiltes Training und Inferenz für multimodale Wahrnehmung: gemeinsame Embeddings für Text, Bilder, Video, Audio, Code und Graphen mit 64 bis 1.024 Dimensionen 🖼️
RAFT enthält grundlegende und weit verbreitete Algorithmen und Primitiven für maschinelles Lernen und Informationsabruf. Die Algorithmen sind CUDA-beschleunigt und bilden Bausteine, um Hochleistungsanwendungen einfacher zu schreiben.
cuDNN Frontend ist NVIDIAs moderner Open-Source-Einstiegspunkt zur cuDNN-Bibliothek und eine wachsende Sammlung von leistungsstarken Open-Source-Kernels.
Eine CUDA-Implementierung von SIFT für NVIDIA-GPUs (1,2 ms auf einer GTX 1060)
Schulungsmaterialien im Zusammenhang mit der NVIDIA CUDA Training Series (www.olcf.ornl.gov/cuda-training-series/)
Beispiele, die verfügbare Optionen zum Programmieren mehrerer GPUs in einem einzelnen Knoten oder Cluster demonstrieren
HPC-Tutorial, das kollektive Kommunikation (MPI, NCCL), CUDA-Programmierung, Vektorisierung SIMD, RDMA-Kommunikation usw. umfasst.
Ursprüngliche Implementierung von "Radiant Foam: Real-Time Differentiable Ray Tracing"
Zusätzliche Utils und Helfer zur Erweiterung von TensorFlow beim Aufbau von Empfehlungssystemen, beigetragen und gepflegt von SIG Recommenders.
Python-Bibliothek für die Simulation von Raumimpulsantworten (RIR) mit GPU-Beschleunigung
NVIDIA NVSHMEM ist eine parallele Programmierschnittstelle für NVIDIA GPUs, die auf OpenSHMEM basiert. NVSHMEM kann den Kommunikations- und Koordinationsoverhead mehrerer Prozesse erheblich reduzieren, indem es Programmierern ermöglicht, einseitige Kommunikation direkt aus CUDA-Kerneln und auf CUDA-Streams durchzuführen.
Häufig gestellte Fragen
Welches Cuda-Repository auf GitHub hat die meisten Sterne?
Das aktivste Cuda-Repository auf GitHub mit den meisten Sternen ist karpathy/llm.c mit 30,323 Sternen. LLM-Training in einfachem, rohem C/CUDA
Wie viele beliebte Cuda-Projekte werden auf Git Stars erfasst?
Wir erfassen derzeit 65 aktive Open-Source-Cuda-Repositories mit mehr als 500 Sternen. Zusammen kommen sie auf 165,484 Sterne, durchschnittlich sind es 2,545 Sterne pro Projekt.
Wie oft wird das Cuda-Ranking auf GitHub aktualisiert?
Die Sternzahlen, Aktivitätsdaten und Rankings aller Cuda-Repositories werden täglich über die offizielle GitHub-API synchronisiert.