Git Stars Git Stars

#ascend Repositories

Entdecke 9 aktive Open-Source-GitHub-Repositories, die mit #ascend getaggt sind und insgesamt 29,754 Sterne gesammelt haben (durchschnittlich 3,306 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist Syllo/nvtop mit 11,169 Sternen.

9
Gesamtzahl der Repositories
29,754
Gesamtanzahl der Sterne
3,306
Durchschnittliche Sterne/Repo

Insgesamt 9 Repositories

1
Syllo/nvtop

GPU- und Beschleuniger-Prozessüberwachung für AMD, Apple, Huawei, Intel, NVIDIA und Qualcomm

Syllo
⭐ 11,169 C 👤 Syllo User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2017-06-16
2
gpustack/gpustack

Ein GPU-Cluster-Manager für hochleistungsfähiges KI-Modell-Serving (vLLM, SGLang) und bedarfsgesteuerte, per SSH zugängliche GPU-Instanzen.

gpustack
⭐ 6,097 Python 👤 gpustack Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2024-05-11
3
Project-HAMi/HAMi

Heterogenes GPU-Sharing auf Kubernetes

Project-HAMi
⭐ 5,044 Go 👤 Project-HAMi Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2021-09-14
4
data-infra/cube-studio

CubeStudio ist eine Open-Source-Cloud-native All-in-One-Plattform für maschinelles Lernen/Deep Learning/Großmodell-KI/MaaS/MLOps/KI-Plattform/Trainings- und Inferenzplattform, die den gesamten Algorithmus-Pipeline, Multi-Tenancy, Rechenleistungsvermietungsplattform, Token-Relay, Drag-and-Drop-Aufgabenfluss-Pipeline-Orchestrierung, Multi-Maschine-Multi-Karte verteiltes Training, Hyperparametersuche, Inferenzdienste, VGPU-Virtualisierung, Cloud-Edge-Gerät-Kooperation, Edge Computing, automatisierte Annotationsplattform, SFT-Feintuning/Belohnungsmodell/Verstärkungslernen-Training für große Modelle wie DeepSeek, Multi-Maschine-Inferenz für große Modelle mit vLLM/Ollama/MindIE, private Wissensdatenbank-LLMOps-Agenten, KI-Modellmarkt, Unterstützung für nationale heterogene Rechenleistungsplanung (Ascend, Cambricon, Hygon, Moore Threads, Muxi usw.), Unterstützung für IB/RoCE/RDMA und Xinchuang-Unterstützung umfasst.

data-infra
⭐ 2,615 Python 👤 data-infra User 🕐 Aktualisiert 2026-10-12 📅 Erstellt 2024-07-02
5
nndeploy/nndeploy

Ein einfach zu bedienendes und leistungsstarkes KI-Bereitstellungs-Framework | An Easy-to-Use and High-Performance AI Deployment Framework

nndeploy
⭐ 1,904 C++ 👤 nndeploy Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2023-08-08
6
datawhalechina/torch-rechub

Ein PyTorch-Framework für Empfehlungs-Modelle, einfach zu verwenden und erweiterbar.

datawhalechina
⭐ 1,243 Jupyter Notebook 👤 datawhalechina Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2022-05-12
7
Ascend/pytorch

Als zentrale Komponente der Huawei-Ascend-for-PyTorch-Community ist TorchNPU ein von Ascend entwickeltes Deep-Learning-Adapter-Plug-in für PyTorch. Es ermöglicht dem PyTorch-Framework, Ascend-NPUs direkt anzusteuern, und stellt Entwicklern die leistungsstarke Rechenkapazität der Ascend-KI-Prozessoren zur Verfügung.

Ascend
⭐ 609 Python 👤 Ascend Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2021-08-31
9
LSH9832/edgeyolo

ein ankerfreier Echtzeit-Objektdetektor mit anständiger Leistung

LSH9832
⭐ 531 Python 👤 LSH9832 User 🕐 Aktualisiert 2026-04-20 📅 Erstellt 2022-12-13

Häufig gestellte Fragen

1

Welches ist das beliebteste #ascend-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#ascend-Projekt auf GitHub ist Syllo/nvtop mit 11,169 Sternen. GPU- und Beschleuniger-Prozessüberwachung für AMD, Apple, Huawei, Intel, NVIDIA und Qualcomm

2

Welche Programmiersprachen werden in #ascend-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #ascend-Projekten auf GitHub sind Python, C++, C, Go die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #ascend-Repositories berechnet?

Wir verfolgen 9 aktive Open-Source-Repositories, die mit #ascend getaggt sind (500+ Sterne), mit insgesamt 29,754 Sternen und durchschnittlich 3,306 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.