#gpu-acceleration Repositories
Entdecke 181 aktive Open-Source-GitHub-Repositories, die mit #gpu-acceleration getaggt sind und insgesamt 395,569 Sterne gesammelt haben (durchschnittlich 2,185 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist kvcache-ai/ktransformers mit 19,687 Sternen.
Insgesamt 181 Repositories
Ein flexibles Framework zum Erleben heterogener LLM-Inferenz-/Fine-Tune-Optimierungen
Eine WebGL-beschleunigte JavaScript-Bibliothek zum Trainieren und Bereitstellen von ML-Modellen.
NVIDIA® TensorRT™ ist ein SDK für hochleistungsfähige Deep-Learning-Inferenz auf NVIDIA-GPUs. Dieses Repository enthält die Open-Source-Komponenten von TensorRT.
PyTorch3D ist die Bibliothek von FAIR mit wiederverwendbaren Komponenten für Deep Learning mit 3D-Daten
Ein Hardware-beschleunigter GPU-Terminalemulator, der für den Einsatz auf Desktops und in Browsern konzipiert ist.
Makepad ist eine kreative Software-Entwicklungsplattform für Rust, die zu wasm/webGL, osx/metal, windows/dx11, linux/opengl kompiliert.
Ein Python-Framework für GPU-beschleunigte Simulation, Robotik und maschinelles Lernen.
Ein Projekt, das sich der Vereinfachung der GPU-Partitionierung unter Windows widmet!
Eine schnelle Inferenzbibliothek zum Ausführen von LLMs lokal auf modernen Consumer-GPUs
NVIDIA Isaac Sim™ ist eine Open-Source-Anwendung auf NVIDIA Omniverse zur Entwicklung, Simulation und zum Testen von KI-gesteuerten Robotern in realistischen virtuellen Umgebungen.
Generative KI-Referenz-Workflows, optimiert für beschleunigte Infrastruktur und Microservice-Architektur.
Verwandeln Sie ein altes Android-Smartphone mithilfe von Termux in einen GPU-beschleunigten Linux-Desktop (XFCE4 / KDE Plasma / LXQt / MATE) oder einen Home Assistant-Smart-Home-Server. Kein Root, kein PC, keine Cloud.
Eine schnelle und einfache Implementierung von Lernalgorithmen für die Robotik.
NeMo Retriever Library ist ein skalierbarer, leistungsorientierter Microservice zur Extraktion von Dokumenteninhalten und Metadaten. NeMo Retriever Library verwendet spezialisierte NVIDIA NIM-Microservices, um Texte, Tabellen, Diagramme und Bilder zu finden, zu kontextualisieren und zu extrahieren, die Sie in nachgelagerten generativen Anwendungen verwenden können.
GPUImage 3 ist ein BSD-lizenzierter Swift-Framework für GPU-beschleunigte Video- und Bildverarbeitung mit Metal.
xDiT: Eine skalierbare Inferenz-Engine für Diffusion Transformers (DiTs) mit massivem Parallelismus
Infrastruktur für evolutionäre KI-Systeme. GPU-beschleunigte, PyTorch-basierte Optimierung mit einem Ökosystem aus Algorithmenbibliotheken, Benchmarks und Tools.
SwiftShader ist eine hochperformante CPU-basierte Implementierung der Vulkan-Grafik-API. Ihr Ziel ist es, Hardware-Unabhängigkeit für fortschrittliche 3D-Grafik bereitzustellen.
OCRFlux ist ein leichtgewichtiger, aber leistungsstarker multimodaler Toolkit, der die PDF-zu-Markdown-Konvertierung erheblich vorantreibt und sich durch die Verarbeitung komplexer Layouts, die Analyse komplizierter Tabellen und die inhaltsübergreifende Zusammenführung von Seiten auszeichnet.
Führen Sie JavaScript für wissenschaftliches Rechnen und Datenvisualisierung TOTALLY TOTALLY TOTALLY in Ihrem BROWSER aus, kompilieren und führen Sie es aus! Eine Open-Source-Umgebung für wissenschaftliches Rechnen für JavaScript TOTALLY in Ihrem Browser, Matrixoperationen mit GPU-Beschleunigung, TeX-Unterstützung, Datenvisualisierung und symbolische Berechnungen.
Eine Open-Source-Bibliothek für Simulationen und Demos mit echten Robotern auf Basis von MuJoCo.
Nvdiffrast - Modulare Primitiven für hochleistungsfähiges differenzierbares Rendering
Win2D ist eine einfach zu bedienende Windows Runtime API für die sofortige 2D-Grafikwiedergabe mit GPU-Beschleunigung. Sie steht C#-, C++- und VB-Entwicklern zur Verfügung, die Apps für die Windows Universal Platform (UWP) schreiben. Sie nutzt die Leistung von Direct2D und integriert sich nahtlos in XAML und CoreWindow.
Häufig gestellte Fragen
Welches ist das beliebteste #gpu-acceleration-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#gpu-acceleration-Projekt auf GitHub ist kvcache-ai/ktransformers mit 19,687 Sternen. Ein flexibles Framework zum Erleben heterogener LLM-Inferenz-/Fine-Tune-Optimierungen
Welche Programmiersprachen werden in #gpu-acceleration-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #gpu-acceleration-Projekten auf GitHub sind Python, C++, Rust, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #gpu-acceleration-Repositories berechnet?
Wir verfolgen 181 aktive Open-Source-Repositories, die mit #gpu-acceleration getaggt sind (500+ Sterne), mit insgesamt 395,569 Sternen und durchschnittlich 2,185 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.