#rocm Repositories
Entdecke 30 aktive Open-Source-GitHub-Repositories, die mit #rocm getaggt sind und insgesamt 131,574 Sterne gesammelt haben (durchschnittlich 4,385 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist Dao-AILab/flash-attention mit 25,330 Sternen.
Insgesamt 30 Repositories
Burn ist eine Tensorbibliothek der nächsten Generation und ein Deep-Learning-Framework, das keine Kompromisse bei Flexibilität, Effizienz und Portabilität eingeht.
Lemonade hilft Benutzern, lokale KI-Apps zu entdecken und auszuführen, indem es optimierte LLMs direkt von ihren eigenen GPUs und NPUs bereitstellt. Treten Sie unserem Discord bei: https://discord.gg/5xXzkMu8Zk
Ein GPU-Cluster-Manager für hochleistungsfähiges KI-Modell-Serving (vLLM, SGLang) und bedarfsgesteuerte, per SSH zugängliche GPU-Instanzen.
Ein retargetbarer MLIR-basierter Compiler und Runtime-Toolkit für maschinelles Lernen.
Führen Sie GLM-5.3 (744B), DeepSeek-V4.1-Flash (748B), MiniMax-M3.1-Flash (428B), GLM-5.3-Flash (321B) und Hy4-Flash (220B) auf Ihren eigenen GPUs aus – ab 8 GB VRAM, mit Unterstützung für NVIDIA und AMD, einem einzigen Dashboard sowie einer mit OpenAI und Anthropic kompatiblen API.
Ein Deep-Learning-Paket für die Darstellung von Viele-Teilchen-Potentialenergie und Molekulardynamik
Hosten Sie das leistungsstarke Chatterbox TTS-Modell selbst. Dieser Server bietet eine benutzerfreundliche Weboberfläche, flexible API-Endpunkte (inkl. OpenAI-kompatibel), vordefinierte Stimmen, Stimmklonen und die Verarbeitung großer Textmengen im Hörbuchformat. Läuft beschleunigt auf NVIDIA (CUDA), AMD (ROCm) und CPU.
Die HIP-Umgebung und das ROCm-Kit – Ein leichtgewichtiges Open-Source-Build-System für HIP und ROCm
Lokale Inferenz mit dem Verhalten einer hochmodernen API: Qwen3.8-Flash-Next auf AMD Strix Halo sowie kleine NPU-Modelle – über die OpenAI- und Anthropic-APIs auf einem einzigen Port.
Toolkit zur Quantisierung (Komprimierung) von LLM-Modellen mit Hardwarebeschleunigung für Nvidia CUDA, AMD ROCm, Intel XPU, Tenstorrent, Huawei-Ascend-NPUs und Intel-/AMD-/Apple-CPUs über HF, vLLM und SGLang.
Führe Modelle aus, die größer sind als dein RAM oder VRAM, indem du MoE-Experten von einer SSD streamst. Basiert auf llama.cpp.
Container für die Installation und Laufzeitabhängigkeiten von DaVinci Resolve unter Linux. Gespiegelt auf https://codeberg.org/zelikos/davincibox
UniLab: Vertragsbasierte Infrastruktur für Roboterlernen über verschiedene Physik-Backends und Hardware hinweg
ROCm-Bibliotheksdateien für gfx1103 und Aktualisierung mit anderen Architekturen basierend auf AMD-GPUs für die Verwendung unter Windows.
Mit eigener Intelligenz voran: Schreiben Sie Go-Anwendungen, die llama.cpp direkt integrieren, um unter Linux, macOS, Windows und WebAssembly lokale Inferenz mit Hardwarebeschleunigung durchzuführen.
Maximale Rechenleistung, Speicherbandbreite und Latenz von CPUs, GPUs und NPUs: dieselben Tests über jede API, die auf ein Gerät zugreift. Kommandozeile und App für Windows, macOS, Linux und Android
Dockerfiles für die verschiedenen Softwareschichten, die in der ROCm-Softwareplattform definiert sind
Häufig gestellte Fragen
Welches ist das beliebteste #rocm-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#rocm-Projekt auf GitHub ist Dao-AILab/flash-attention mit 25,330 Sternen. Schnelle und speichereffiziente exakte Aufmerksamkeit
Welche Programmiersprachen werden in #rocm-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #rocm-Projekten auf GitHub sind Python, C++, Shell, Rust die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #rocm-Repositories berechnet?
Wir verfolgen 30 aktive Open-Source-Repositories, die mit #rocm getaggt sind (500+ Sterne), mit insgesamt 131,574 Sternen und durchschnittlich 4,385 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.