Git Stars Git Stars

#cuda-kernels Dépôts

Découvrez 34 dépôts GitHub open source actifs associés à #cuda-kernels, cumulant 129,157 étoiles au total (soit une moyenne de 3,798 étoiles par projet). Le projet en tête de ce thème est Dao-AILab/flash-attention, avec 25,330 étoiles.

34
Total des Dépôts
129,157
Nombre total d'étoiles
3,798
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python C++ Rust Cuda TeX
1
Dao-AILab/flash-attention

Attention exacte rapide et économe en mémoire

Dao-AILab
⭐ 25,330 Python 👤 Dao-AILab Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2022-05-19
2
deepseek-ai/FlashMLA

FlashMLA : noyaux d'attention latente multi-têtes efficaces

deepseek-ai
⭐ 13,275 C++ 👤 deepseek-ai Organization 🕐 Mis à jour 2026-10-27 📅 Créé 2025-02-21
3
xlite-dev/LeetCUDA

Un livre open source contenant des notes d’apprentissage sur le CUDA moderne pour débutants : BF16/FP8/FP4, HGEMM, CuTe, Flash-Attention, etc.

xlite-dev
⭐ 12,208 TeX 👤 xlite-dev Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2022-12-17
4
facebookresearch/xformers

Blocs de construction Transformers hackables et optimisés, prenant en charge une construction composable.

facebookresearch
⭐ 10,579 Python 👤 facebookresearch Organization 🕐 Mis à jour 2026-11-13 📅 Créé 2021-10-13
5
deepseek-ai/DeepEP

DeepEP: une bibliothèque de communication expert-parallèle efficace

deepseek-ai
⭐ 10,462 Cuda 👤 deepseek-ai Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2025-02-17
6
NVIDIA/cuda-samples

Exemples pour les développeurs CUDA qui démontrent les fonctionnalités dans le CUDA Toolkit

NVIDIA
⭐ 9,784 C++ 👤 NVIDIA Organization 🕐 Mis à jour 2026-11-04 📅 Créé 2018-03-27
7
InternLM/lmdeploy

LMDeploy est une boîte à outils pour compresser, déployer et servir les LLM.

InternLM
⭐ 8,153 Python 👤 InternLM Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2023-06-15
8
Rust-GPU/rust-cuda

Écosystème de bibliothèques et d'outils pour écrire et exécuter du code GPU rapide entièrement en Rust.

Rust-GPU
⭐ 5,432 Rust 👤 Rust-GPU Organization 🕐 Mis à jour 2026-09-30 📅 Créé 2021-10-17
9
mit-han-lab/llm-awq

[MLSys 2024 Best Paper Award] AWQ : Quantification des poids sensible à l'activation pour la compression et l'accélération des LLM

mit-han-lab
⭐ 3,590 Python 👤 mit-han-lab Organization 🕐 Mis à jour 2025-07-17 📅 Créé 2023-06-01
10
crowsonkb/k-diffusion

Karras et al. (2022) modèles de diffusion pour PyTorch

crowsonkb
⭐ 2,605 Python 👤 crowsonkb User 🕐 Mis à jour 2026-02-12 📅 Créé 2022-06-21
11
NVIDIA/cccl

CUDA Core Compute Libraries

NVIDIA
⭐ 2,580 C++ 👤 NVIDIA Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2020-09-17
12
NVlabs/nvdiffrast

Nvdiffrast - Primitives modulaires pour le rendu différentiable haute performance

NVlabs
⭐ 1,940 C++ 👤 NVlabs Organization 🕐 Mis à jour 2025-12-08 📅 Créé 2020-11-02
13
NVIDIA-AI-IOT/Lidar_AI_Solution

Un projet démontrant les solutions d'IA liées au Lidar, y compris trois réseaux DL Lidar/caméra accélérés par GPU (PointPillars, CenterPoint, BEVFusion) et les bibliothèques associées (cuPCL, 3D SparseConvolution, YUV2RGB, cuOSD).

NVIDIA-AI-IOT
⭐ 1,914 C++ 👤 NVIDIA-AI-IOT Organization 🕐 Mis à jour 2026-07-28 📅 Créé 2023-05-15
14
chelsea0x3b/dfdx

Apprentissage profond en Rust, avec des tenseurs à forme vérifiée et des réseaux neuronaux

chelsea0x3b
⭐ 1,881 Rust 👤 chelsea0x3b User 🕐 Mis à jour 2024-07-23 📅 Créé 2021-10-12
16
zju3dv/street_gaussians

[ECCV 2024] Street Gaussians : Modélisation de scènes urbaines dynamiques avec Gaussian Splatting

zju3dv
⭐ 1,419 Python 👤 zju3dv Organization 🕐 Mis à jour 2026-09-15 📅 Créé 2023-12-27
17
mapillary/inplace_abn

BatchNorm Activé In-Place pour l'Entraînement Optimisé en Mémoire des DNN

mapillary
⭐ 1,331 Python 👤 mapillary Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2017-11-23
18
Vahe1994/AQLM

Dépôt officiel Pytorch pour la compression extrême des grands modèles de langage via la quantification additive https://arxiv.org/pdf/2401.06118.pdf et PV-Tuning : Au-delà de l'estimation directe pour la compression extrême des LLM https://arxiv.org/abs/2405.14852

Vahe1994
⭐ 1,330 Python 👤 Vahe1994 User 🕐 Mis à jour 2026-02-26 📅 Créé 2024-01-12
19
chelsea0x3b/cudarc

Wrapper Rust sécurisé autour de la boîte à outils CUDA

chelsea0x3b
⭐ 1,248 Rust 👤 chelsea0x3b User 🕐 Mis à jour 2026-09-24 📅 Créé 2022-09-16
20
pytorch/extension-cpp

Extensions C++ dans PyTorch

pytorch
⭐ 1,203 Python 👤 pytorch Organization 🕐 Mis à jour 2026-11-10 📅 Créé 2018-03-03
21
zhuzilin/ring-flash-attention

Implémentation de l'attention en anneau avec flash attention

zhuzilin
⭐ 1,054 Python 👤 zhuzilin User 🕐 Mis à jour 2025-09-10 📅 Créé 2024-02-21
22
mni-ml/framework

Bibliothèque d'apprentissage automatique avec une API TypeScript et un backend Rust. Compatibilité CUDA et WebGPU. Conçue pour comprendre le fonctionnement interne des frameworks et modèles ML.

mni-ml
⭐ 1,023 Rust 👤 mni-ml Organization 🕐 Mis à jour 2026-04-20 📅 Créé 2026-01-08
23
NVIDIA/cudnn-frontend

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.

NVIDIA
⭐ 1,008 Cuda 👤 NVIDIA Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2021-01-22
24
SandAI-org/MagiAttention

Une attention distribuée pour une évolutivité linéaire dans l'entraînement sur des contextes ultra-longs et des données hétérogènes

SandAI-org
⭐ 975 Python 👤 SandAI-org Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2025-04-20
25
NVIDIA/nvbench

Bibliothèque d'évaluation comparative de noyaux CUDA

NVIDIA
⭐ 952 Cuda 👤 NVIDIA Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2021-03-03
26
h5i-dev/h5i

Un framework web Rust basé sur Axum, avec des noyaux applicatifs vérifiables avec Lean 4 et exécutables sur des serveurs, des appareils embarqués bare metal et des GPU, ainsi que des tests de sécurité intégrés.

h5i-dev
⭐ 936 Rust 👤 h5i-dev Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2026-03-11
27
mit-han-lab/omniserve

[MLSys'25] QServe : Quantification W4A8KV4 et co-conception de systèmes pour un service LLM efficace ; [MLSys'25] LServe : Service LLM efficace pour les longues séquences avec attention éparse unifiée

mit-han-lab
⭐ 840 C++ 👤 mit-han-lab Organization 🕐 Mis à jour 2025-03-06 📅 Créé 2024-05-06
28
flashrt-project/FlashRT

FlashRT est un moteur d'inférence en temps réel haute performance pour les charges de travail IA à petits lots sensibles à la latence. Son intégration phare est le contrôle VLA de production pour Pi0, Pi0.5, GROOT N1.6 et Pi0-FAST. Il prend également en charge les LLM, par exemple qwen3.6-27B.

flashrt-project
⭐ 817 C++ 👤 flashrt-project Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2026-04-28
29
pegainfer-project/pegainfer

Moteur d'inférence LLM pur Rust + CUDA — pas de PyTorch, compatible OpenAI, sert de Qwen3 à Kimi-K2

pegainfer-project
⭐ 748 Rust 👤 pegainfer-project Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-02-17
30
perplexityai/pplx-kernels

Noyaux GPU de Perplexité

perplexityai
⭐ 614 C++ 👤 perplexityai Organization 🕐 Mis à jour 2025-11-07 📅 Créé 2025-03-24
31
facebookresearch/mvdust3r

Implémentation open source de **MV-DUSt3R+ Reconstruction de scène mono-étape à partir de vues éparses en 2 secondes** de Meta Reality Labs. Page du projet https://mv-dust3rp.github.io/

facebookresearch
⭐ 608 Python 👤 facebookresearch Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2024-12-19
33
deepreinforce-ai/CUDA-L2

CUDA-L2 : Dépasser les performances de cuBLAS pour la multiplication de matrices par apprentissage par renforcement

ornith-ai
⭐ 563 Cuda 👤 ornith-ai Organization 🕐 Mis à jour 2026-03-30 📅 Créé 2025-12-02
34
Inception3D/Easi3R

[ICCV 2025] Une approche simple sans nécessité de formation qui adapte DUSt3R pour les scènes dynamiques.

Inception3D
⭐ 529 Python 👤 Inception3D Organization 🕐 Mis à jour 2025-04-01 📅 Créé 2025-03-15

Foire aux questions

1

Quel est le dépôt #cuda-kernels le plus populaire sur GitHub ?

Le projet #cuda-kernels open source le mieux classé sur GitHub est Dao-AILab/flash-attention, avec 25,330 étoiles. Attention exacte rapide et économe en mémoire

2

Quels langages de programmation sont les plus utilisés dans les dépôts #cuda-kernels ?

Parmi les projets #cuda-kernels les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Rust, Cuda.

3

Comment le classement des dépôts #cuda-kernels est-il calculé ?

Nous suivons 34 dépôts open source actifs associés à #cuda-kernels (500+ étoiles), totalisant 129,157 étoiles, avec une moyenne de 3,798 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.