#gpu-computing Dépôts
Découvrez 97 dépôts GitHub open source actifs associés à #gpu-computing, cumulant 278,163 étoiles au total (soit une moyenne de 2,867 étoiles par projet). Le projet en tête de ce thème est facebookresearch/faiss, avec 41,842 étoiles.
97 dépôts au total
Une bibliothèque pour la recherche efficace de similarité et le clustering de vecteurs denses.
Plateforme de simulation pour la robotique généraliste et l'apprentissage de l'IA incarnée.
NVIDIA Cosmos est une plateforme ouverte de modèles du monde, de jeux de données et d'outils qui permet aux développeurs de construire une IA physique pour les robots, les véhicules autonomes, les infrastructures intelligentes et plus encore.
Une bibliothèque Gradient Boosting sur arbres de décision rapide, scalable et haute performance, utilisée pour le ranking, la classification, la régression et d'autres tâches d'apprentissage automatique pour Python, R, Java, C++. Prend en charge le calcul sur CPU et GPU.
Langage spécifique au domaine conçu pour rationaliser le développement de cœurs GPU/CPU/accélérateurs haute performance
Outils d'infrastructure IA testés en production pour le développement efficace d'AGI et l'innovation pilotée par la communauté
Le logiciel CFD Lattice Boltzmann le plus rapide et le plus économe en mémoire, fonctionnant sur tous les GPU et CPU via OpenCL. Gratuit pour un usage non commercial.
fastllm est une bibliothèque d’inférence de grands modèles de langage haute performance, sans dépendance à un backend, qui vous aide à exécuter efficacement des inférences sur la plupart des appareils.
Ce correctif supprime la restriction sur le nombre maximum de sessions de codification vidéo NVENC simultanées imposée par Nvidia aux GPU de niveau grand public.
MindSpore est un nouveau framework d'entraînement/d'inférence d'apprentissage profond open source qui pourrait être utilisé pour les scénarios mobiles, de périphérie et de cloud.
Une bibliothèque légère pour le calcul GPU portable de bas niveau utilisant WebGPU.
Base de code officielle utilisée pour développer Vision Transformer, SigLIP, MLP-Mixer, LiT et plus encore.
Une boîte à outils modulaire et ouverte pour WebGPU, avec inférence de type avancée et la possibilité d'écrire des shaders en TypeScript
Framework de calcul GPU à usage général basé sur Vulkan pour prendre en charge des milliers de cartes graphiques multi-fournisseurs (AMD, Qualcomm, NVIDIA & amis). Extrêmement rapide, compatible mobile, asynchrone et optimisé pour les cas d'utilisation de traitement de données GPU avancés. Soutenu par la Linux Foundation.
`std::execution`, le framework C++ standard pour la programmation asynchrone et parallèle.
Collection organisée par NVIDIA de ressources éducatives relatives à la programmation GPU à usage général.
Calcul parallèle et apprentissage automatique scientifique (SciML) : Méthodes et applications (MIT 18.337J/6.338J)
Compilateur pour plusieurs modèles de programmation (SYCL, parallélisme standard C++, HIP/CUDA) pour les CPU et GPU de tous les fournisseurs : Le compilateur indépendant et piloté par la communauté pour les modèles de programmation hétérogènes basés sur C++. Permet aux applications de s'adapter à tout le matériel du système - même à l'exécution !
Bibliothèque d’odométrie visuelle et de SLAM accélérée par CUDA pour un suivi de caméra rapide, précis et à faible latence
Apprentissage profond en Rust, avec des tenseurs à forme vérifiée et des réseaux neuronaux
Une bibliothèque de calcul numérique GPU C++20 efficace avec une syntaxe de type Python
Une bibliothèque de tenseurs rapide, ergonomique et portable en Nim avec un focus sur l'apprentissage profond pour CPU, GPU et dispositifs embarqués via les backends OpenMP, Cuda et OpenCL
Opérations du Kernel sur CPU et GPU, avec autodiff et sans débordements de mémoire
[NeurIPS 2023] MeZO: Fine-Tuning Language Models with Just Forward Passes. https://arxiv.org/abs/2305.17333
🐳 Implémentations Triton efficaces pour "Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention"
Foire aux questions
Quel est le dépôt #gpu-computing le plus populaire sur GitHub ?
Le projet #gpu-computing open source le mieux classé sur GitHub est facebookresearch/faiss, avec 41,842 étoiles. Une bibliothèque pour la recherche efficace de similarité et le clustering de vecteurs denses.
Quels langages de programmation sont les plus utilisés dans les dépôts #gpu-computing ?
Parmi les projets #gpu-computing les mieux classés sur GitHub, les langages de programmation les plus courants sont C++, Python, Rust, Cuda.
Comment le classement des dépôts #gpu-computing est-il calculé ?
Nous suivons 97 dépôts open source actifs associés à #gpu-computing (500+ étoiles), totalisant 278,163 étoiles, avec une moyenne de 2,867 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.