#rocm Repositorios
Descubre 30 repositorios activos de código abierto de GitHub etiquetados con #rocm, que acumulan 131,574 estrellas en total (una media de 4,385 estrellas por proyecto). El líder de este tema es Dao-AILab/flash-attention, con 25,330 estrellas.
30 repositorios en total
Burn es una biblioteca de tensores de próxima generación y un marco de aprendizaje profundo que no compromete la flexibilidad, la eficiencia ni la portabilidad.
Lemonade ayuda a los usuarios a descubrir y ejecutar aplicaciones de IA locales sirviendo LLMs optimizados directamente desde sus propias GPUs y NPUs. Únete a nuestro Discord: https://discord.gg/5xXzkMu8Zk
Un gestor de clústeres de GPU para el servicio de modelos de IA de alto rendimiento (vLLM, SGLang) e instancias de GPU bajo demanda accesibles mediante SSH.
Un compilador y kit de herramientas de tiempo de ejecución para aprendizaje automático basado en MLIR y retargetable.
Ejecuta GLM-5.3 (744B), DeepSeek-V4.1-Flash (748B), MiniMax-M3.1-Flash (428B), GLM-5.3-Flash (321B) y Hy4-Flash (220B) en tus propias GPU: desde 8 GB de VRAM, compatibles con NVIDIA y AMD, un solo panel de control y una API compatible con OpenAI y Anthropic.
Un paquete de aprendizaje profundo para la representación de energía potencial de muchos cuerpos y dinámica molecular
Autoalberga el potente modelo Chatterbox TTS. Este servidor ofrece una interfaz web fácil de usar, puntos finales de API flexibles (incluida la compatibilidad con OpenAI), voces predefinidas, clonación de voz y procesamiento de texto a gran escala al nivel de audiolibros. Se ejecuta acelerado en NVIDIA (CUDA), AMD (ROCm) y CPU.
Entorno HIP y Kit ROCm: un sistema de compilación ligero de código abierto para HIP y ROCm
Inferencia local con un comportamiento similar al de una API de vanguardia: Qwen3.8-Flash-Next en AMD Strix Halo, junto con pequeños modelos NPU, a través de las API de OpenAI y Anthropic en un mismo puerto.
Kit de herramientas para la cuantización (compresión) de modelos LLM, con aceleración por hardware para Nvidia CUDA, AMD ROCm, Intel XPU, Tenstorrent, NPU Huawei Ascend y CPU Intel/AMD/Apple mediante HF, vLLM y SGLang.
Ejecuta modelos que superan la capacidad de tu RAM o VRAM transmitiendo expertos MoE desde un SSD. Basado en llama.cpp.
Contenedor para la instalación y las dependencias de tiempo de ejecución de DaVinci Resolve en Linux. Duplicado en https://codeberg.org/zelikos/davincibox
UniLab: Infraestructura basada en contratos para el aprendizaje robótico en distintos motores de física y hardware
Archivos de biblioteca ROCm para gfx1103 y actualización con otras arquitecturas basadas en GPU AMD para usar en Windows.
Avanza con tu propia inteligencia: escribe aplicaciones en Go que integren directamente llama.cpp para realizar inferencia local mediante aceleración de hardware en Linux, macOS, Windows y WebAssembly.
Rendimiento de cálculo máximo, ancho de banda de memoria y latencia de CPU, GPU y NPU: las mismas pruebas a través de cada API que accede a un dispositivo. Línea de comandos y aplicación para Windows, macOS, Linux y Android
Dockerfiles para las diversas capas de software definidas en la plataforma de software ROCm
Preguntas frecuentes
¿Cuál es el repositorio de #rocm más popular en GitHub?
El proyecto de código abierto de #rocm mejor posicionado en GitHub es Dao-AILab/flash-attention, con 25,330 estrellas. Atención exacta rápida y eficiente en memoria
¿Qué lenguajes de programación se utilizan más en los repositorios de #rocm?
Entre los proyectos de #rocm mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C++, Shell, Rust.
¿Cómo se calcula la clasificación de los repositorios de #rocm?
Seguimos 30 repositorios activos de código abierto etiquetados con #rocm (500+ estrellas), que suman un total de 131,574 estrellas, con una media de 4,385 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.