#efficiency Dépôts
Découvrez 20 dépôts GitHub open source actifs associés à #efficiency, cumulant 50,381 étoiles au total (soit une moyenne de 2,519 étoiles par projet). Le projet en tête de ce thème est PaddlePaddle/Paddle, avec 24,149 étoiles.
20 dépôts au total
PArallel Distributed Deep LEarning: Framework d'apprentissage automatique issu de la pratique industrielle (Le framework central『FeiJiang』, entraînement hautes performances mono-machine et distribué pour le Deep Learning et le Machine Learning, et déploiement multiplateforme)
💌Un minuteur minuscule (995KB) mais puissant en **C pur** ! — presque aucun usage mémoire !❤️🔥 Prend en charge horloge, compte à rebours, chronomètre, Pomodoro et animations personnalisables dans la barre (GIFs, CPU/Mem%) 💘 N'ayez pas honte, rejoignez ici🧸 : https://discord.com/invite/W3tW2gtp6g
Informations académiques complètes et opportunes sur l'apprentissage fédéré (articles, frameworks, ensembles de données, tutoriels, ateliers)
Un outil moderne et haute performance de recherche de fichiers locaux et de productivité pour Windows. Une alternative élégante et personnalisable à Everything et Listary, conçue avec C# WPF et les services NT, offrant l’analyse instantanée de la MFT NTFS, la surveillance USN en temps réel et la prise en charge des plugins.
Un outil d'efficacité qui fournit diverses fonctions en transformant la touche Caps Lock en touche modificateur.
Un module de captures d'écran multiples ultra rapide et multiplateforme en Python pur utilisant ctypes.
[EMNLP'25] s3 - ⚡ Entraînement Efficace et Performant des Agents de Recherche via RL pour RAG (RLVR pour la Recherche avec des Données Minimales)
[TMLR 2025] Arrêtez de trop réfléchir : une enquête sur le raisonnement efficace pour les grands modèles linguistiques
[ICLR 2024] Sheared LLaMA : Accélérer le pré-entraînement des modèles linguistiques par élagage structuré
SnowAir est un outil léger de capture d’écran et d’annotation qui propose des captures, l’enregistrement d’écran, des présentations, l’épinglage d’images, la reconnaissance, la traduction, un étendoir et bien plus encore. Liberté et efficacité réunies dans SnowAir.
Code officiel d’OpenVLHarness : utilisation d’outils par des agents visuels dans le monde réel avec mémoire multimodale
Implémentation officielle de Würstchen : Pré-entraînement efficace de modèles texte-vers-image
bibliothèque haute performance d’inférence et de mise à disposition pour les modèles vidéo autorégressifs interactifs et les modèles du monde
Bibliothèque pour le support cross-version de Bukkit sur Minecraft et diverses méthodes API efficaces.
Un système d'inférence haute performance pour les grands modèles de langage, conçu pour les environnements de production.
Foire aux questions
Quel est le dépôt #efficiency le plus populaire sur GitHub ?
Le projet #efficiency open source le mieux classé sur GitHub est PaddlePaddle/Paddle, avec 24,149 étoiles. PArallel Distributed Deep LEarning: Framework d'apprentissage automatique issu de la pratique industrielle (Le framework central『FeiJiang』, entraînement hautes performances mono-machine et distribué pour le Deep Learning et le Machine Learning, et déploiement multiplateforme)
Quels langages de programmation sont les plus utilisés dans les dépôts #efficiency ?
Parmi les projets #efficiency les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, C, Go.
Comment le classement des dépôts #efficiency est-il calculé ?
Nous suivons 20 dépôts open source actifs associés à #efficiency (500+ étoiles), totalisant 50,381 étoiles, avec une moyenne de 2,519 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.