#gpu-computing Repositories
Entdecke 97 aktive Open-Source-GitHub-Repositories, die mit #gpu-computing getaggt sind und insgesamt 278,163 Sterne gesammelt haben (durchschnittlich 2,867 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist facebookresearch/faiss mit 41,842 Sternen.
Insgesamt 97 Repositories
Eine Bibliothek für effiziente Ähnlichkeitssuche und Clustering von dichten Vektoren.
Simulationsplattform für allgemeine Robotik und verkörpertes KI-Lernen.
NVIDIA Cosmos ist eine offene Plattform von Weltmodellen, Datensätzen und Werkzeugen, die es Entwicklern ermöglicht, physische KI für Roboter, autonome Fahrzeuge, intelligente Infrastruktur und mehr zu entwickeln.
Eine schnelle, skalierbare, hochperformante Gradient Boosting on Decision Trees Bibliothek, die für Ranking, Klassifikation, Regression und andere Machine-Learning-Aufgaben für Python, R, Java, C++ verwendet wird. Unterstützt Berechnungen auf CPU und GPU.
Domänenspezifische Sprache zur Optimierung der Entwicklung von Hochleistungs-GPU/CPU/Beschleuniger-Kernen
Produktiongetestete KI-Infrastrukturwerkzeuge für die effiziente Entwicklung von AGI und gemeinschaftsgesteuerte Innovation
Die schnellste und speichereffizienteste Lattice-Boltzmann-CFD-Software, die über OpenCL auf allen GPUs und CPUs läuft. Kostenlos für nicht-kommerzielle Nutzung.
fastllm ist eine hochperformante Inferenzbibliothek für große Sprachmodelle, die keine Backend-Abhängigkeiten hat und Ihnen hilft, Inferenz auf den meisten Geräten effizient auszuführen.
Dieser Patch entfernt die Einschränkung bezüglich der maximalen Anzahl gleichzeitiger NVENC-Video-Encoding-Sitzungen, die Nvidia für Consumer-GPUs auferlegt hat.
MindSpore ist ein neues Open-Source-Deep-Learning-Trainings-/Inferenz-Framework, das für mobile, Edge- und Cloud-Szenarien verwendet werden könnte.
Offizieller Code, der zur Entwicklung von Vision Transformer, SigLIP, MLP-Mixer, LiT und mehr verwendet wird.
Ein modulares und offenes Toolkit für WebGPU mit erweiterter Typinferenz und der Möglichkeit, Shader in TypeScript zu schreiben
Dieses Paket enthält den ursprünglichen AlexNet-Code von 2012.
Allgemeines GPU-Computing-Framework auf Vulkan-Basis zur Unterstützung von Tausenden von Grafikkarten verschiedener Anbieter (AMD, Qualcomm, NVIDIA & Co.). Extrem schnell, mobilfähig, asynchron und optimiert für fortschrittliche GPU-Datenverarbeitungsanwendungen. Unterstützt von der Linux Foundation.
`std::execution`, das C++-Standard-Framework für asynchrone und parallele Programmierung.
Von NVIDIA kuratierte Sammlung von Bildungsressourcen für die allgemeine GPU-Programmierung.
Parallel Computing und wissenschaftliches maschinelles Lernen (SciML): Methoden und Anwendungen (MIT 18.337J/6.338J)
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!
CUDA-beschleunigte Bibliothek für visuelle Odometrie und SLAM zur schnellen, präzisen Kameraverfolgung mit geringer Latenz
Eine effiziente C++20 GPU-Bibliothek für numerische Berechnungen mit Python-ähnlicher Syntax
Eine schnelle, ergonomische und tragbare Tensor-Bibliothek in Nim mit Fokus auf Deep Learning für CPU, GPU und eingebettete Geräte über OpenMP-, CUDA- und OpenCL-Backends
[NeurIPS 2023] MeZO: Fine-Tuning Language Models with Just Forward Passes. https://arxiv.org/abs/2305.17333
🐳 Effiziente Triton-Implementierungen für "Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention"
Häufig gestellte Fragen
Welches ist das beliebteste #gpu-computing-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#gpu-computing-Projekt auf GitHub ist facebookresearch/faiss mit 41,842 Sternen. Eine Bibliothek für effiziente Ähnlichkeitssuche und Clustering von dichten Vektoren.
Welche Programmiersprachen werden in #gpu-computing-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #gpu-computing-Projekten auf GitHub sind C++, Python, Rust, Cuda die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #gpu-computing-Repositories berechnet?
Wir verfolgen 97 aktive Open-Source-Repositories, die mit #gpu-computing getaggt sind (500+ Sterne), mit insgesamt 278,163 Sternen und durchschnittlich 2,867 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.