Git Stars Git Stars

#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
Total des Dépôts
29,754
Nombre total d'étoiles
3,306
Moyenne d'Étoiles/Dépôt
1
Syllo/nvtop

Surveillance des processus GPU et accélérateurs pour AMD, Apple, Huawei, Intel, NVIDIA et Qualcomm

Syllo
⭐ 11,169 C 👤 Syllo User 🕐 Mis à jour 2026-11-21 📅 Créé 2017-06-16
2
gpustack/gpustack

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.

gpustack
⭐ 6,097 Python 👤 gpustack Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2024-05-11
3
Project-HAMi/HAMi

Partage hétérogène de GPU sur Kubernetes

Project-HAMi
⭐ 5,044 Go 👤 Project-HAMi Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2021-09-14
4
data-infra/cube-studio

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.

data-infra
⭐ 2,615 Python 👤 data-infra User 🕐 Mis à jour 2026-10-12 📅 Créé 2024-07-02
5
nndeploy/nndeploy

Un cadre de déploiement d'IA simple à utiliser et haute performance | An Easy-to-Use and High-Performance AI Deployment Framework

nndeploy
⭐ 1,904 C++ 👤 nndeploy Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2023-08-08
6
datawhalechina/torch-rechub

Un Framework PyTorch pour les Modèles de Recommandation, Facile à utiliser et Facile à étendre.

datawhalechina
⭐ 1,243 Jupyter Notebook 👤 datawhalechina Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2022-05-12
7
Ascend/pytorch

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.

Ascend
⭐ 609 Python 👤 Ascend Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2021-08-31
9
LSH9832/edgeyolo

un détecteur d'objets sans ancrage en temps réel avec des performances décentes

LSH9832
⭐ 531 Python 👤 LSH9832 User 🕐 Mis à jour 2026-04-20 📅 Créé 2022-12-13

Foire aux questions

1

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

2

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.

3

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.