#compiler Repositories
Insgesamt 319 Repositories
Ein korrekter und effizienter TypeScript-Typenprüfer und -Compiler mit zusätzlichen Experimenten
Eine Liste großartiger Compilerprojekte und -arbeiten für Tensorberechnungen und Deep Learning.
Ein leichter JIT-Compiler basierend auf MIR (Medium Internal Representation) und C11 JIT-Compiler und Interpreter basierend auf MIR
Typescript-zu-lua-Transpiler. https://typescripttolua.github.io/
Ein Bildungssystem für Software mit einem winzigen selbst-kompilierenden C-Compiler, einem winzigen selbst-ausführenden RISC-V-Emulator und einem winzigen selbst-hostenden RISC-V-Hypervisor.
Inkrementelle Rust-Builds bis zu 92-mal schneller als mit cargo/rustc. Unterstützt von Y Combinator (F26).
Minimale, effiziente, statisch typisierte und meta-programmierbare Systemsprache, stark von Lua inspiriert, die zu C und nativem Code kompiliert.
Der Wissenskompiler. Rohe Quellen rein, vernetzte Wiki raus. Inspiriert vom LLM Wiki-Muster von Karpathy.
GPU-Shader und Compute-Kernels mithilfe der CrossGL-IR zwischen GLSL, HLSL, Metal, SPIR-V, Slang, CUDA und HIP sowie in WGSL übersetzen
Eine Sammlung von Werkzeugen, Bibliotheken und Tests für die Vulkan-Shader-Kompilierung.
Materialien zu Programmiersprachen und Kompilierungstechniken (wird fortlaufend aktualisiert)
Deklarative Angabe, wie Elemente aus einem JSON-Dokument in PHP extrahiert werden
Kompiler für mehrere Programmiermodelle (SYCL, C++-Standard-Parallelität, HIP/CUDA) für CPUs und GPUs aller Hersteller: Der unabhängige, community-getriebene Kompiler für C++-basierte heterogene Programmiermodelle. Ermöglicht Anwendungen, sich an alle Hardware im System anzupassen - sogar zur Laufzeit!
Open-Source-Framework für native Apps aus einer einzigen Java-Codebasis, mit einer benutzerdefinierten UI, die Sie über iOS, Android, Desktop, Web und Uhren hinweg steuern können.
Das Torch-MLIR-Projekt zielt darauf ab, erstklassige Unterstützung aus dem PyTorch-Ökosystem für das MLIR-Ökosystem bereitzustellen.
Ein Leitfaden darüber, wie rustc funktioniert und wie man dazu beiträgt.
Eine Meta-Sprache für Go, die Result-Typen, Fehlerweitergabe (?) und Pattern Matching hinzufügt, während die 100%ige Kompatibilität mit dem Go-Ökosystem erhalten bleibt
KI ist auf dem Weg. Ein automatischer Deep-Learning-Traum. Ein RDBMS-Ansatz für Deep Learning. Deklarativ, erklärbar, skalierbar, optimierbar, einfach bereitzustellen, all diese guten Dinge.
Open-Source-Compiler für CUDA, Triton und HIP, der auf mehrere GPU- und CPU-Architekturen abzielt.
Pflichtlektüre von Forschungsarbeiten und Links zu Tools und Datensätzen, die sich auf die Verwendung von maschinellem Lernen für Compiler und Systemoptimierung beziehen