#cuda Dépôts
325 dépôts au total
Musique de fond et effets sonores générés par IA en local pour Claude Code et tout client MCP. Stable Audio 3 sur Apple Silicon (MLX) et sur les GPU NVIDIA sous Windows (PyTorch). Sans cloud ni clé API.
MARS : Un simulateur axé sur les instances, modulaire et réaliste pour la conduite autonome
Une application et un guide pour configurer facilement Windows, Linux, macOS, Google TV, Stremio, Home Assistant et plus (y compris WSL2, pilotes GPU et outils de développement). Améliorez votre UX et productivité.
Un moteur natif d’inférence de LLM .NET et un environnement d’exécution d’agents pour les modèles GGUF. TensorSharp fournit une application en ligne de commande, une interface de chatbot web, une application iPhone et des API HTTP compatibles avec Ollama/OpenAI pour un accès programmatique. Il prend en charge Windows, macOS, iOS et Linux avec une prise en charge complète du GPU.
Progressez avec votre propre intelligence : écrivez des applications Go qui intègrent directement llama.cpp pour effectuer des inférences locales avec accélération matérielle sous Linux, macOS, Windows et WebAssembly.
[CVPR 2025] WildGS-SLAM : SLAM par Gaussian Splatting monoculaire dans des environnements dynamiques
[ECCV 2024] Scène comme Gaussiennes pour la prédiction sémantique d'occupation 3D basée sur la vision
une réimplémentation de PWC-Net en PyTorch qui correspond à la version officielle de Caffe
Voxelizer CUDA pour convertir des maillages polygonaux en grilles voxel annotées
🚀 Vitesse 200x ! Le super outil de téléchargement à l'ère de l'IA | Accélération complète pour Docker/PyPI/HuggingFace/CRAN | Fragmentation parallèle + mise en cache intelligente, laissez les téléchargements décoller.
Bonnes pratiques et guides sur la manière d'écrire du code d'entraînement PyTorch distribué
Rendu Monte Carlo Haute Performance Multiplateforme Basé sur LuisaCompute
Dépôt pour la documentation et les exemples de nvCOMP. nvCOMP est une bibliothèque pour la compression/décompression sans perte rapide sur le GPU qui peut être téléchargée depuis https://developer.nvidia.com/nvcomp.
Ceci est un projet où je vous donne un moyen d'utiliser SOLIDWORKS sous Linux !
[CVPR 2024 Highlight] Feature 3DGS : Supercharger le splatting gaussien 3D pour permettre des champs de caractéristiques distillés
Optimisation de l'entraînement et de l'inférence d'AlphaFold sur des clusters GPU
Un sous-ensemble des modules de réseau neuronal de PyTorch, écrits en Python à l'aide de Triton d'OpenAI.
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.
Encore un autre modèle linguistique : inférence LLM en C++/CUDA, aucune bibliothèque à l'exception de l'E/S
Utilisez la VRAM de votre GPU NVIDIA comme espace d'échange sous Linux. Conçu pour les ordinateurs portables avec mémoire soudée et sans possibilité de mise à niveau. Si vous avez une carte RTX avec 8 Go de VRAM et que vous échangez vers le SSD, cela met cette VRAM à contribution.
Projets de recrutement scolaire, automne, printemps, stages excellents, vous guidez pour implémenter de zéro un framework d'inférence de grands modèles supportant Llama2/3 et Qwen2.5.
Modèles MoE de pointe sur RTX PRO 6000 / RTX 5090 (sm_120) : DeepSeek-V4.1-Flash sur 4 RTX PRO 6000, en hybride GPU+CPU sur 4 RTX 5090, et experts à 2 bits sur vLLM v0.24.0
Implémentation officielle de la reconstruction On-the-fly pour la synthèse de nouvelles vues à grande échelle à partir d'images non posées. A. Meuleman, I. Shah, A. Lanvin, B. Kerbl, G. Drettakis, ACM TOG (proc. SIGGRAPH) 2025
Une bibliothèque C++ à en-tête unique pour simplifier l'utilisation de la compilation CUDA Runtime (NVRTC).
Agent de bureau multimodal en temps réel évoluant vers une interface persistante de système d’exploitation IA (0.17 α).
Inférence rapide et exacte des modèles StartLux-Decision sur GPU NVIDIA : les fichiers GGUF publiés s’exécutent sur des cœurs tensoriels int8 et 4 bits via l’API /v1/systemone, avec une latence jusqu’à 5,3 fois inférieure à celle de vLLM en FP8 et des réponses identiques au bit près.
Moteur d'inférence statique minimaliste, lot unique, uniquement CUDA, qwen3-0.6B, mini
Du professeur aux tuiles — un moteur de distillation et de service LLM construit de zéro : noyaux Triton/CUDA personnalisés, distillation FSDP, traitement par lots continu avec KV paginé, décodage spéculatif, une passerelle Rust, un oracle JAX et des outils d'interprétabilité.