#gpu-programming Repositories
Entdecke 45 aktive Open-Source-GitHub-Repositories, die mit #gpu-programming getaggt sind und insgesamt 192,102 Sterne gesammelt haben (durchschnittlich 4,268 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist tinygrad/tinygrad mit 33,961 Sternen.
Insgesamt 45 Repositories
Ein leistungsstarker, null Overhead, erweiterbarer Python-Compiler mit integrierter NumPy-Unterstützung
Scalene: Ein leistungsstarkes, hochpräzises CPU-, GPU- und Speicher-Profiling-Tool für Python mit KI-gestützten Optimierungsvorschlägen
Antialiased 2D-Vektorzeichenbibliothek auf OpenGL-Basis für Benutzeroberflächen und Visualisierungen.
Ökosystem von Bibliotheken und Werkzeugen zum Schreiben und Ausführen von schnellem GPU-Code vollständig in Rust.
🐉 Rust zu einer erstklassigen Sprache und einem erstklassigen Ökosystem für GPU-Shader machen 🚧
Ein modulares und offenes Toolkit für WebGPU mit erweiterter Typinferenz und der Möglichkeit, Shader in TypeScript zu schreiben
Behandelt Vortrainingsdaten, Tokenizer, Transformer, MoE, verteiltes Training, Skalierungsgesetze, Inferenz und Alignment. 6 aufeinander aufbauende Programmieraufgaben für das ganzheitliche Lernen von LLMs.
Terra ist eine Low-Level-Systemprogrammiersprache, die in die Lua-Programmiersprache eingebettet und von ihr meta-programmiert wird.
Berechnungen und Statistik auf Mannigfaltigkeiten mit geometrischen Strukturen.
Spaceship Demo - AAA Spielbare Demo aus der Egoperspektive, die mit Visual Effect Graph erstellte Effekte zeigt und mit High Definition Render Pipeline gerendert wurde
Diagramme, die Beziehungen zwischen Vulkan-Objekten und deren Verwendung zeigen.
Eine in Python eingebettete DSL, die das Schreiben schneller, skalierbarer ML-Kernel mit minimalem Boilerplate-Code erleichtert.
Funktionale Programmiersprache mit intensionalem Polymorphie und First-Class-Staging.
Ein auf Axum basierendes Rust-Webframework mit Lean-4-verifizierbaren Anwendungskernen, die auf Servern, Bare-Metal-Einbettgeräten und GPUs laufen, sowie integrierten Sicherheitstests.
Vollständige Lösungen für die Programmierungs-Massively Parallel Processors Edition 4
LLM-Algorithmen und -Systeme praxisnah mit PyTorch, Triton und CUDA. „Tutorial zu LLM-Algorithmen und -Systemen“: Modellarchitekturen und Training, Post-Training, Inferenzbeschleunigung, Leistungs- und Operatoroptimierung – inklusive Notebook-Übungen, Antworterklärungen, Tests und Experimenten.
Robustes Echtzeit-Rendering-Engine auf DX11, DX12 mit vielen fortschrittlichen grafischen Funktionen für schnelles Prototyping
3D-Graphics-Rendering-Cookbook, Zweite Ausgabe
C/C++ Frontend für MLIR. Bietet auch polyedrische Optimierungen, parallele Optimierungen und mehr!
Häufig gestellte Fragen
Welches ist das beliebteste #gpu-programming-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#gpu-programming-Projekt auf GitHub ist tinygrad/tinygrad mit 33,961 Sternen. Du magst PyTorch? Du magst micrograd? Du liebst tinygrad! ❤️
Welche Programmiersprachen werden in #gpu-programming-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #gpu-programming-Projekten auf GitHub sind Python, C++, Rust, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #gpu-programming-Repositories berechnet?
Wir verfolgen 45 aktive Open-Source-Repositories, die mit #gpu-programming getaggt sind (500+ Sterne), mit insgesamt 192,102 Sternen und durchschnittlich 4,268 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.