#distributed-computing Repositories
Entdecke 99 aktive Open-Source-GitHub-Repositories, die mit #distributed-computing getaggt sind und insgesamt 277,188 Sterne gesammelt haben (durchschnittlich 2,799 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist hpcaitech/ColossalAI mit 41,421 Sternen.
Insgesamt 99 Repositories
Hazelcast ist eine einheitliche Echtzeit-Datenplattform, die Stream-Verarbeitung mit einem schnellen Datenspeicher kombiniert und Kunden ermöglicht, sofort auf Daten im Fluss zu reagieren, um Echtzeit-Einblicke zu gewinnen.
Automatisieren Sie Code- und Daten-Workflows mit interaktiven Elixir-Notebooks
Hochleistungs-Daten-Engine für KI und multimodale Workloads. Verarbeiten Sie Bilder, Audio, Video und strukturierte Daten in beliebigem Umfang.
Go-Engine ohne menschliches Vorwissen, modelliert nach dem AlphaGo Zero Paper.
Eine modulare, primatenfreundliche, Python-first PyTorch-Bibliothek für Reinforcement Learning.
Schnelles, effizientes und skalierbares verteiltes Map/Reduce-System, DAG-Ausführung, im Speicher oder auf Datenträger, in reinem Go geschrieben, läuft standalone oder verteilt.
Drop-in-Ersatz für Apache Spark, geschrieben in Rust, der Batch-Verarbeitung, Stream-Verarbeitung und rechenintensive KI-Workloads vereint.
Befreien der Datenverarbeitung von Skript-Wahnsinn durch die Bereitstellung einer Reihe von plattformunabhängigen, anpassbaren Pipeline-Verarbeitungsblöcken.
zenoh vereinheitlicht Daten in Bewegung, Daten in Benutzung, ruhende Daten und Berechnungen. Es vermischt sorgfältig traditionelles Pub/Sub mit geografisch verteilten Speichern, Abfragen und Berechnungen und behält gleichzeitig ein Maß an Zeit- und Raumeffizienz bei, das weit über alle gängigen Stacks hinausgeht.
Verteilte LLM-Inferenz. Verbinden Sie Heimgeräte zu einem leistungsstarken Cluster, um die LLM-Inferenz zu beschleunigen. Mehr Geräte bedeuten schnellere Inferenz.
Eine einheitliche Schnittstelle für verteiltes Rechnen. Fugue führt SQL-, Python-, Pandas- und Polars-Code auf Spark, Dask und Ray ohne Änderungen aus.
Alles über Federated Learning, einschließlich Forschungsarbeiten, Büchern, Codes, Tutorials, Videos und mehr
MooseFS Distributed Storage – Open Source, Petabyte, Fehlertolerant, Hochleistungsfähiges, Skalierbares Netzwerk-Distributed File System / Software-Defined Storage
Proto Actor - Ultraschnelle verteilte Akteure für Go, C# und Java/Kotlin
Ein gemeinschaftlich betriebener verteilter Cluster für KI-Kunst und Textgenerierung
Python-basierte Forschungschnittstelle für Blackbox- und Hyperparameter-Optimierung, basierend auf dem internen Google Vizier Service.
:books: Distributed Infrastructure von Grund auf verständlich, Linux und Betriebssysteme | Verteilte Systeme | Verteiltes Rechnen | Datenbanken | Netzwerke | Virtualisierung und Orchestrierung | Big Data und Cloud Computing
ShinkaEvolve: Auf dem Weg zur offenen und beispieleffizienten Programmentwicklung 🧬
Implementierung von kommunikationseffizientem Lernen tiefer Netzwerke aus dezentralisierten Daten
Die aktuelle, performante und industriell starke Version von Holochain auf Rust.
Ein auf Golang basierendes, hoch skalierbares und verteiltes Workflow-Framework mit hoher Leistung
Häufig gestellte Fragen
Welches ist das beliebteste #distributed-computing-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#distributed-computing-Projekt auf GitHub ist hpcaitech/ColossalAI mit 41,421 Sternen. Große KI-Modelle günstiger, schneller und zugänglicher machen
Welche Programmiersprachen werden in #distributed-computing-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #distributed-computing-Projekten auf GitHub sind Python, Rust, Go, C die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #distributed-computing-Repositories berechnet?
Wir verfolgen 99 aktive Open-Source-Repositories, die mit #distributed-computing getaggt sind (500+ Sterne), mit insgesamt 277,188 Sternen und durchschnittlich 2,799 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.