#ascend Dépôts
Découvrez 9 dépôts GitHub open source actifs associés à #ascend, cumulant 29,754 étoiles au total (soit une moyenne de 3,306 étoiles par projet). Le projet en tête de ce thème est Syllo/nvtop, avec 11,169 étoiles.
9 dépôts au total
Surveillance des processus GPU et accélérateurs pour AMD, Apple, Huawei, Intel, NVIDIA et Qualcomm
Un gestionnaire de cluster GPU pour le service de modèles d'IA haute performance (vLLM, SGLang) et des instances GPU accessibles par SSH à la demande.
CubeStudio est une plateforme open source cloud-native tout-en-un pour l'apprentissage automatique/l'apprentissage profond/les grands modèles d'IA/MaaS/MLOps/plateforme d'intelligence artificielle/plateforme d'entraînement et d'inférence, couvrant le pipeline complet des algorithmes, la multi-location, la plateforme de location de puissance de calcul, le relais de tokens, l'orchestration de pipelines de flux de travail par glisser-déposer, l'entraînement distribué multi-machine multi-carte, la recherche d'hyperparamètres, les services d'inférence, la virtualisation VGPU, la collaboration cloud-edge-device, le calcul en périphérie, la plateforme d'annotation automatisée, le fine-tuning SFT/le modèle de récompense/l'entraînement par apprentissage par renforcement pour les grands modèles comme DeepSeek, l'inférence multi-machine pour les grands modèles avec vLLM/Ollama/MindIE, les agents intelligents LLMOps avec base de connaissances privée, le marché de modèles d'IA, le support pour l'ordonnancement de puissance de calcul hétérogène nationale (Ascend, Cambricon, Hygon, Moore Threads, Muxi, etc.), le support pour IB/RoCE/RDMA et le support Xinchuang.
Un cadre de déploiement d'IA simple à utiliser et haute performance | An Easy-to-Use and High-Performance AI Deployment Framework
Un Framework PyTorch pour les Modèles de Recommandation, Facile à utiliser et Facile à étendre.
En tant que composant central de la communauté Huawei Ascend pour PyTorch, TorchNPU est un plug-in d’adaptation au deep learning développé par Ascend pour PyTorch. Il permet au framework PyTorch d’utiliser directement les NPU Ascend et met à la disposition des développeurs la puissante capacité de calcul des processeurs d’IA Ascend.
Foire aux questions
Quel est le dépôt #ascend le plus populaire sur GitHub ?
Le projet #ascend open source le mieux classé sur GitHub est Syllo/nvtop, avec 11,169 étoiles. Surveillance des processus GPU et accélérateurs pour AMD, Apple, Huawei, Intel, NVIDIA et Qualcomm
Quels langages de programmation sont les plus utilisés dans les dépôts #ascend ?
Parmi les projets #ascend les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, C, Go.
Comment le classement des dépôts #ascend est-il calculé ?
Nous suivons 9 dépôts open source actifs associés à #ascend (500+ étoiles), totalisant 29,754 étoiles, avec une moyenne de 3,306 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.