Git Stars Git Stars

#ai-inference-acceleration Repositorios

Descubre 3 repositorios activos de código abierto de GitHub etiquetados con #ai-inference-acceleration, que acumulan 8,097 estrellas en total (una media de 2,699 estrellas por proyecto). El líder de este tema es NVIDIA/Model-Optimizer, con 5,646 estrellas.

3
Total de Repositorios
8,097
Total de estrellas
2,699
Promedio de Estrellas/Repo
Lenguajes de programación: Python C++
1
NVIDIA/Model-Optimizer

Una biblioteca unificada de técnicas de optimización de modelos SOTA como cuantización, destilación, poda, búsqueda de arquitectura neuronal, decodificación especulativa, etc. Comprime modelos de aprendizaje profundo para marcos de despliegue posteriores como TensorRT-LLM, TensorRT, vLLM, etc., para optimizar la velocidad de inferencia.

NVIDIA
⭐ 5,646 Python 👤 NVIDIA Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-04-23
2
ai-dynamo/nixl

NVIDIA Inference Xfer Library (NIXL)

ai-dynamo
⭐ 1,373 C++ 👤 ai-dynamo Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-03-05

Preguntas frecuentes

1

¿Cuál es el repositorio de #ai-inference-acceleration más popular en GitHub?

El proyecto de código abierto de #ai-inference-acceleration mejor posicionado en GitHub es NVIDIA/Model-Optimizer, con 5,646 estrellas. Una biblioteca unificada de técnicas de optimización de modelos SOTA como cuantización, destilación, poda, búsqueda de arquitectura neuronal, decodificación especulativa, etc. Comprime modelos de aprendizaje profundo para marcos de despliegue posteriores como TensorRT-LLM, TensorRT, vLLM, etc., para optimizar la velocidad de inferencia.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #ai-inference-acceleration?

Entre los proyectos de #ai-inference-acceleration mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C++.

3

¿Cómo se calcula la clasificación de los repositorios de #ai-inference-acceleration?

Seguimos 3 repositorios activos de código abierto etiquetados con #ai-inference-acceleration (500+ estrellas), que suman un total de 8,097 estrellas, con una media de 2,699 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.