Cuda Dépôts
Explorez 65 dépôts open source actifs en Cuda sur GitHub, totalisant 165,484 étoiles (soit une moyenne de 2,545 étoiles par projet). Le projet Cuda classé n° 1 est karpathy/llm.c, avec 30,323 étoiles.
65 dépôts au total
Primitives graphiques neuronales instantanées : NeRF ultra-rapide et plus encore
HVM1 (2022) : un environnement d’exécution fonctionnel optimal et massivement parallèle en Rust
Le projet est une implémentation officielle de notre article CVPR2019 «Deep High-Resolution Representation Learning for Human Pose Estimation».
[ICLR2025, ICML2025, NeurIPS2025 Spotlight] L'attention quantifiée (Quantized Attention) atteint une accélération de 2 à 5 fois par rapport à FlashAttention, sans perte de métriques de bout en bout sur les modèles de langage, d'image et de vidéo.
[MICRO'23, MLSys'22] TorchSparse : Un framework efficace pour l'entraînement et l'inférence de convolutions creuses sur GPU.
[ICML2025] SpargeAttention : Une attention éparse sans entraînement qui accélère l'inférence de n'importe quel modèle.
Entraînement et inférence distribués pour la perception multimodale : représentations vectorielles partagées pour le texte, les images, la vidéo, l’audio, le code et les graphes, de 64 à 1 024 dimensions 🖼️
RAFT contient des algorithmes et des primitives fondamentaux et largement utilisés pour l'apprentissage automatique et la récupération d'informations. Les algorithmes sont accélérés par CUDA et forment des blocs de construction pour écrire plus facilement des applications haute performance.
Flash Attention en ~100 lignes de CUDA (passage avant uniquement)
cuDNN Frontend est le point d'entrée moderne et open source de NVIDIA vers la bibliothèque cuDNN et une collection croissante de noyaux open source hautes performances.
Matériel de formation associé à la série de formation CUDA de NVIDIA (www.olcf.ornl.gov/cuda-training-series/)
Exemples démontrant les options disponibles pour programmer plusieurs GPU dans un nœud unique ou un cluster
Tutoriel HPC, comprenant la communication collective (MPI, NCCL), la programmation CUDA, la vectorisation SIMD, la communication RDMA, etc.
Implémentation originale de "Radiant Foam: Real-Time Differentiable Ray Tracing"
Utilitaires et helpers supplémentaires pour étendre TensorFlow lors de la construction de systèmes de recommandation, contribués et maintenus par SIG Recommenders.
Bibliothèque Python pour la simulation de réponse impulsionnelle en salle (RIR) avec accélération GPU
NVIDIA NVSHMEM est une interface de programmation parallèle pour les GPU NVIDIA basée sur OpenSHMEM. NVSHMEM peut réduire de manière significative les surcoûts de communication et de coordination multi-processus en permettant aux programmeurs d'effectuer une communication unilatérale à l'intérieur des cœurs CUDA et sur les flux CUDA.
Foire aux questions
Quel dépôt Cuda sur GitHub compte le plus d’étoiles ?
Le dépôt actif Cuda qui compte le plus d’étoiles sur GitHub est karpathy/llm.c, avec 30,323 étoiles. Entraînement de LLM en C/CUDA simple et brut
Combien de projets populaires en Cuda sont suivis sur Git Stars ?
Nous suivons actuellement 65 dépôts open source actifs en Cuda comptant plus de 500 étoiles, pour un total cumulé de 165,484 étoiles et une moyenne de 2,545 étoiles par projet.
À quelle fréquence le classement Cuda de GitHub est-il mis à jour ?
Le nombre d’étoiles, les dates d’activité et les classements de tous les dépôts Cuda sont synchronisés quotidiennement depuis l’API officielle de GitHub.