#gpu-acceleration Dépôts
Découvrez 181 dépôts GitHub open source actifs associés à #gpu-acceleration, cumulant 395,569 étoiles au total (soit une moyenne de 2,185 étoiles par projet). Le projet en tête de ce thème est kvcache-ai/ktransformers, avec 19,687 étoiles.
181 dépôts au total
Un cadre flexible pour expérimenter les optimisations d'inférence/de fine-tuning des LLM hétérogènes
Une bibliothèque JavaScript accélérée par WebGL pour l'entraînement et le déploiement de modèles ML.
NVIDIA® TensorRT™ est un SDK pour l'inférence en apprentissage profond haute performance sur les GPU NVIDIA. Ce dépôt contient les composants open source de TensorRT.
PyTorch3D est la bibliothèque de FAIR de composants réutilisables pour l'apprentissage profond avec des données 3D
Un émulateur de terminal GPU accéléré par le matériel, axé sur l'exécution sur les postes de travail et les navigateurs.
Makepad est une plateforme de développement logiciel créative pour Rust qui compile vers wasm/webGL, osx/metal, windows/dx11, linux/opengl
Un framework Python pour la simulation accélérée par GPU, la robotique et l'apprentissage automatique.
Une bibliothèque d'inférence rapide pour exécuter des LLM localement sur des GPU modernes de classe consommateur
Construire et exécuter des conteneurs en exploitant les GPU NVIDIA
NVIDIA Isaac Sim™ est une application open-source sur NVIDIA Omniverse pour le développement, la simulation et le test de robots pilotés par l'IA dans des environnements virtuels réalistes.
Flux de travail de référence d'IA générative optimisés pour une architecture de microservices et une infrastructure accélérées.
Transformez un vieux téléphone Android en un bureau Linux avec accélération GPU (XFCE4 / KDE Plasma / LXQt / MATE) ou en un serveur domotique Home Assistant — à l'aide de Termux. Sans root, sans PC, sans cloud.
Fork de llama.cpp avec des quants SOTA supplémentaires et des performances améliorées
Une implémentation rapide et simple d'algorithmes d'apprentissage pour la robotique.
NeMo Retriever Library est un microservice évolutif et axé sur la performance pour l'extraction de contenu de documents et de métadonnées. NeMo Retriever Library utilise des microservices NVIDIA NIM spécialisés pour trouver, contextualiser et extraire des textes, des tableaux, des graphiques et des images que vous pouvez utiliser dans des applications génératives en aval.
GPUImage 3 est un framework Swift sous licence BSD pour le traitement vidéo et image accéléré par GPU utilisant Metal.
xDiT: Un moteur d'inférence évolutif pour les Transformers de diffusion (DiT) avec parallélisme massif
Infrastructure pour les systèmes d’IA évolutionnaire. Optimisation basée sur PyTorch et accélérée par GPU, avec un écosystème de bibliothèques d’algorithmes, de benchmarks et d’outils.
SwiftShader est une implémentation haute performance basée sur CPU de l'API graphique Vulkan. Son objectif est de fournir une indépendance matérielle pour les graphiques 3D avancés.
OCRFlux est une boîte à outils multimodale légère mais puissante qui fait progresser considérablement la conversion PDF vers Markdown, excellant dans la gestion des mises en page complexes, l'analyse des tableaux compliqués et la fusion de contenu inter-pages.
Exécutez, compilez et exécutez JavaScript pour le calcul scientifique et la visualisation de données TOTALement TOTALement TOTALement dans votre NAVIGATEUR ! Un environnement de calcul scientifique open source pour JavaScript TOTALement dans votre navigateur, opérations matricielles avec accélération GPU, prise en charge TeX, visualisation de données et calcul symbolique.
Une bibliothèque open source pour des démonstrations en simulation et avec de vrais robots, basée sur MuJoCo.
Nvdiffrast - Primitives modulaires pour le rendu différentiable haute performance
Win2D est une API Windows Runtime facile à utiliser pour le rendu graphique 2D en mode immédiat avec accélération GPU. Elle est disponible pour les développeurs C#, C++ et VB qui écrivent des applications pour la plateforme universelle Windows (UWP). Elle utilise la puissance de Direct2D et s'intègre de manière transparente avec XAML et CoreWindow.
Liaisons Python pour DeepStream SDK et applications d'exemple
Apprentissage profond en Rust, avec des tenseurs à forme vérifiée et des réseaux neuronaux
Foire aux questions
Quel est le dépôt #gpu-acceleration le plus populaire sur GitHub ?
Le projet #gpu-acceleration open source le mieux classé sur GitHub est kvcache-ai/ktransformers, avec 19,687 étoiles. Un cadre flexible pour expérimenter les optimisations d'inférence/de fine-tuning des LLM hétérogènes
Quels langages de programmation sont les plus utilisés dans les dépôts #gpu-acceleration ?
Parmi les projets #gpu-acceleration les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Rust, Jupyter Notebook.
Comment le classement des dépôts #gpu-acceleration est-il calculé ?
Nous suivons 181 dépôts open source actifs associés à #gpu-acceleration (500+ étoiles), totalisant 395,569 étoiles, avec une moyenne de 2,185 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.