#triton Repositories
Entdecke 22 aktive Open-Source-GitHub-Repositories, die mit #triton getaggt sind und insgesamt 37,530 Sterne gesammelt haben (durchschnittlich 1,705 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist gpu-mode/lectures mit 7,109 Sternen.
Insgesamt 22 Repositories
[ICLR2025, ICML2025, NeurIPS2025 Spotlight] Quantized Attention erzielt eine Beschleunigung um das 2- bis 5-fache im Vergleich zu FlashAttention, ohne die End-to-End-Metriken bei Sprach-, Bild- und Videomodellen zu verschlechtern.
LeetCode für PyTorch — 65 ML-/KI-Interviewaufgaben aus echten Vorstellungsgesprächen bei Google, Meta und Anthropic. Jupyter-Notebooks, ein automatischer Bewerter und ein MCP-KI-Tutor.
Open-Source-Compiler für CUDA, Triton und HIP, der auf mehrere GPU- und CPU-Architekturen abzielt.
AutoResearch für GPU-Kernels. Geben Sie beliebiges PyTorch-Modell, schalten Sie es in den Schlafmodus und lassen Sie es mit optimierten Triton-Kernels aufwachen.
Kernl ermöglicht es Ihnen, PyTorch-Transformer-Modelle mit einer einzigen Codezeile mehrmals schneller auf der GPU auszuführen, und ist so konzipiert, dass es leicht zu modifizieren ist.
PyTorch-Compiler, der Training und Inferenz beschleunigt. Erhalten Sie integrierte Optimierungen für Leistung, Speicher und Parallelität und schreiben Sie mühelos Ihre eigenen.
FlagGems ist eine Operatorbibliothek für große Sprachmodelle, die in der Triton-Sprache implementiert ist.
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.
🚀🚀🚀Eine Sammlung einiger beeindruckender öffentlicher Projekte zu Large Language Models (LLM), Vision Language Models (VLM), Vision Language Action (VLA), AI Generated Content (AIGC), den dazugehörigen Datensätzen und Anwendungen.
Puzzles zum Erlernen von Triton, spielen Sie es mit minimaler Umgebungskonfiguration!
SparkDiffusion: Beschleunigung der DiT-Videogenerierung um das 265-Fache durch gemeinsame Sparsifizierung, Destillation, Quantisierung usw.
Trainierbare, schnelle und speichereffiziente spärliche Aufmerksamkeit
Linux-Kernelmodul zur Unterstützung des Turbo-Modus und der RGB-Tastatur für die Acer Predator Notebook-Serie
Eine Teilmenge von PyTorchs neuronalen Netzwerkmodulen, geschrieben in Python unter Verwendung von OpenAI's Triton.
Vom Lehrer zu Kacheln — eine von Grund auf neu entwickelte LLM-Destillations- und Serving-Engine: benutzerdefinierte Triton/CUDA-Kernel, FSDP-Destillation, kontinuierliches Batching mit paged-KV, spekulative Dekodierung, ein Rust-Gateway, ein JAX-Orakel und Interpretierbarkeitswerkzeuge.
🚀🚀🚀 Dieses Repository listet einige großartige öffentliche Projekte zu CUDA, cuda-python, cuBLAS, cuDNN, CUTLASS, TensorRT, TensorRT-LLM, Triton, TVM, MLIR, PTX und High Performance Computing (HPC) auf.
Häufig gestellte Fragen
Welches ist das beliebteste #triton-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#triton-Projekt auf GitHub ist gpu-mode/lectures mit 7,109 Sternen. Material für gpu-modus-vorträge
Welche Programmiersprachen werden in #triton-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #triton-Projekten auf GitHub sind Python, Jupyter Notebook, Cuda, C die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #triton-Repositories berechnet?
Wir verfolgen 22 aktive Open-Source-Repositories, die mit #triton getaggt sind (500+ Sterne), mit insgesamt 37,530 Sternen und durchschnittlich 1,705 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.