#hardware-acceleration Repositories
Entdecke 67 aktive Open-Source-GitHub-Repositories, die mit #hardware-acceleration getaggt sind und insgesamt 169,471 Sterne gesammelt haben (durchschnittlich 2,529 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist tinygrad/tinygrad mit 33,961 Sternen.
Insgesamt 67 Repositories
ONNX Runtime: Cross-Plattform, hochleistungsstarker ML-Inferenz- und Trainingsbeschleuniger
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.
Selbst gehostete, nur lokale NVR- und KI-Computer-Vision-Software. Mit Funktionen wie Objekterkennung, Bewegungserkennung, Gesichtserkennung und mehr gibt sie Ihnen die Möglichkeit, Ihr Zuhause, Ihr Büro oder jeden anderen Ort, den Sie überwachen möchten, im Auge zu behalten.
LiteRT, der Nachfolger von TensorFlow Lite, ist Googles On-Device-Framework für die Hochleistungsbereitstellung von ML und GenAI auf Edge-Plattformen, durch effiziente Konvertierung, Laufzeit und Optimierung.
PainterEngine ist eine Anwendung-/Spielengine mit Software-Renderer. PainterEngine kann auf jede Plattform portiert werden, die C unterstützt.
VeOmni: Skalierung des Trainings beliebiger Modalitätsmodelle mit einem modellzentrierten verteilten Rezept-Zoo
Hervorragende Forschungsarbeiten und Werkzeuge zur Komprimierung von LLMs.
[ICML 2023] SmoothQuant: Genauer und effizienter Post-Training-Quantisierung für große Sprachmodelle
Spiking Brain-inspired Large Models, die hybride effiziente Attention, MoE-Module und Spike-Kodierung in ihre Architektur integrieren
Eine minimale Tensor Processing Unit (TPU), inspiriert von Googles TPU V2 und V1
Eine ultraschnelle lokale Vektordatenbank für die Verwendung mit LLM-Agenten. Wir akzeptieren jetzt SAFEs mit einer Obergrenze von 135 Millionen US-Dollar.
WebCodecs ist eine flexible Web-API zum Kodieren und Dekodieren von Audio und Video.
Eine Chrome-Erweiterung, die YouTube-Streams anstelle von VP8/VP9-Videos als H.264-Videos wiedergibt.
QMPlay2 ist ein Video- und Audioplayer, der die meisten Formate und Codecs abspielen kann.
id Software's Quake 2 v3.21 mit Mission Packs und Vulkan-Unterstützung (Windows, Linux, macOS, FreeBSD, Raspberry Pi 4)
Verbessern Sie Ihr Videoerlebnis mit einem modernen und benutzerfreundlichen Mediaplayer.
MPO-Fix für AMD GPUs 5000/6000/7000/9000 & RTX 2000/3000/4000/5000/GTX 1600
🎞 Hardware-beschleunigtes Video-Transcoding mit Android MediaCodec-APIs. Unterstützt Zuschneiden, Konkatenation, Clipping, Audio-Verarbeitung, Video-Geschwindigkeit und vieles mehr.
Ein MLIR-basierter Compiler-Framework überbrückt DSLs (domänenspezifische Sprachen) zu DSAs (domänenspezifische Architekturen).
Das Advanced Media Framework (AMF) SDK bietet Entwicklern optimalen Zugriff auf AMD-Geräte für die Multimediaverarbeitung
Häufig gestellte Fragen
Welches ist das beliebteste #hardware-acceleration-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#hardware-acceleration-Projekt auf GitHub ist tinygrad/tinygrad mit 33,961 Sternen. Du magst PyTorch? Du magst micrograd? Du liebst tinygrad! ❤️
Welche Programmiersprachen werden in #hardware-acceleration-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #hardware-acceleration-Projekten auf GitHub sind Python, C++, C, Verilog die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #hardware-acceleration-Repositories berechnet?
Wir verfolgen 67 aktive Open-Source-Repositories, die mit #hardware-acceleration getaggt sind (500+ Sterne), mit insgesamt 169,471 Sternen und durchschnittlich 2,529 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.